Warm Developer

Vector에 대해 알아보자. 1. Vector 란? 숫자를 원소로 가지는 리스트(list) 또는 배열(array) 을 말한다. import numpy as np x1 = [ 1,2,3 ] # 리스트 x2 = np.array([1,2,3]) # 배열 공간에서의 한 점을 말하며, 벡터는 원점으로부터 상대적 위치를 표현한다. 2. 스칼라곱 이란? 벡터에 숫자를 곱하면 길이가 변하게 되는데 이를 스칼라곱이라고 한다. 벡터 x에 a를 곱할 때, a > 1 a < 1 a < 0 길이 증가 길이 감소 반대 방향 전환 a가 1보다 크면 길이가 증가한다. a가 1보다 작으면 길이는 감소한다. a가 0보다 작으면 반대 방향으로 전환된다. 3. 벡터의 덧셈, 뺄셈, 성분곱(Hadamard Product) 벡터는 같은 모양..

sklearn.metrics 메소드를 살펴보자 1. confusion matrix 형태의 데이터를 관리한다. : 클래스 분류 결과를 실제(정답) 클래스와 예측 클래스를 축으로 가진 형태 sklearn.metrics.confusion_matrix(y_true, y_pred, *, labels=None, sample_weight=None, normalize=None) 실제 클래스 예측 클래스 TP ( True Positive ) T T TN ( True Negative ) F F FP ( False Positive ) F T FN ( False Negative ) T F -- case 1 ( 예측 : 행 / 실제 : 열 ) 0 : Negative / 1 : Positive 0 1 0 TN FP 1 FN TP..

scikit-learn 모듈을 사용하여 머신러닝을 구현해보자 머신러닝 구현 단계 1단계 : 데이터 수집 및 전처리 2단계 : 데이터 분할 - sklearn.model_selection.train_test_split : 목적 데이터를 분할 3단계 : 모델 지정 - ex) sklearn.ensemble.RandomForestClassifier -> sklearn.ensemble.* 등 모델 사용 4단계 : 모델 학습 - model.fit( X, y ) 5단계 : 테스트 및 평가 : model.predict( ) , sklearn.metrics. * 정답률 : accuracy_score( ) 적합율 : precision_score( ) 재현율 : recall_score( ) 평가지표 산출률 : Classifi..

머신러닝이란? 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야 y = f(x) y : 출력변수, 종속변수, 반응 변수 f : 모형(알고리즘) x : 입력변수,독립변수, feature -> 무엇(X)으로 무엇(Y)을 예측하고 싶을 때 머신러닝 사용 1. 지도학습 : X를 가지고 Y를 예측하는 것 - 회귀 (regression) : 입력 변수 X에 대해서 연속형 출력 변수 Y를 예측 ex) 주가 예측 - 분류 (classification) : 입력 변수 X에 대해서 이산형 출력 변수 Y(class)를 예측 ex) 공정 불량 여부 탐지 - 서포트 벡터, 결정 트리, 신경망 등 2. 비지도 학습 : 출력 변수(Y)가 존재하지 않고 입력 변수(X)로만 모델링하는 것 - 군집분석(k-Means) :..