ㅅㅇ

플레이데이터 빅데이터캠프 공부 내용 _ 7/7 머신러닝 _ 13_01 선형회귀 1. 선형회귀 개요 선형 회귀(線型回歸, Linear regression)는 종속 변수 y와 한 개 이상의 독립 변수X와의 선형 상관 관계를 모델링하는 회귀분석 기법. 2. 선형회귀 모델 - 입력 Feature에 가중치(Weight)를 곱하고 편향(bias)를 더해 예측 결과를 출력한다. = > Weight와 bias가 학습대상 Parameter가 된다. - 각 W들은 타켓을 예측하는데 각각의 feature가 어떤 영향을 주는 지를 뜻하게 된다. - b는 모든 feature가 0일 때 예측값 3. 기본예제 : LinearRegression - 가장 기본적인 선형 회귀 모델 - 데이터 전처리 선형회귀 모델사용시 아래와 같은 전처..

플레이데이터 빅데이터캠프 공부 내용 _ 7/7 머신러닝 _ 12_회귀모델개요_평가지표 1. 회귀(Regression) 이란? 예측할 값(Target)이 연속형(continuous) 데이터(float)인 지도 학습(Supervised Learning). X 를 이용해 y 를 예측하는 모델. 선형회귀는 확보한 데이털를 이용해서, 두 변수 사이의 관계를 모델링하여 둘의 관계를 선형식으로 추정한다. 회귀 문제는 실제 식을 찾는 것은 불가능하며, 샘플을 이용해 실제 식을 추정한다. - LinearRegression 모델이 학습해서 찾는 파라미터 제공 attribute : 계수(coef, 가중치-weigth) 와 절편(intercept, 편향-bias) 를 통해 X과 y에 미치는 영향을 알 수 있기에 선형 회귀 모..

플레이데이터 빅데이터캠프 공부 내용 _ 7/5 머신러닝 _ 08_지도학습_SVM 1. Support Vector Machine (SVM) : 하나의 분류 그룹을 다른 그룹과 분리하는 최적의 경계를 찾아내는 알고리즘 - 딥러닝 이전에 분류에서 뛰어난 성능으로 많이 사용되었던 분류 모델. 특히 이미지 분류 모델 - 중간 크기의 데이터셋과 특성이 (Feature) 많은 복잡한 데이터셋에서 성능이 좋은 것으로 알려져있다. 1.1 모델 파라미터 - 우리는 선형 SVM 과 비선형 SVM 을 배울 것이다. 파라미터에 대해서 아래에서 자세히 설명. (1) 선형 모델 - Kernel : 결정 경계 형태 결정 = linear - C (2) 비선형 모델 - rbf - Kernel : 결정 경계 형태 결정 = rbf (기본값..

플레이데이터 빅데이터캠프 공부 내용 _ 7/12 딥러닝 _03_DNN (Deep Neural Network) 신경망 구조 (2) _ 최적화 1. Optimizer (최적화 방법) : Training 시 모델 네트워크의 parameter를 데이터에 맞춰 '''최적화''' 하는 알고리즘 - Deep Learning은 경사하강법(Gradient Descent)와 오차 역전파(back propagation) 알고리즘을 기반으로 파라미터들을 최적화한다. - 최적화 란? - 모델 네트워크가 출력한 결과와 실제값(Ground Truth)의 차이를 정의하는 함수를 Loss function(손실함수, 비용함수) 라고 한다. - Training 시 Loss function이 출력하는 값을 줄이기 위해 파라미터(weight..

플레이데이터 빅데이터캠프 공부 내용 _ 7/12 딥러닝 _03_DNN (Deep Neural Network) 신경망 구조 (1) 1. Neural Network 신경망 : 가장 기본적인 Deep Learning 모델 구조 MSP(Multi Layer Perceptron) Multi Layer = Deep, Neural Network = Perceptron 2. 신경망 구성요소 - 층(Layer) : Network를 구성하는 Layer(층) = > 각각의 layer 는 parameter(모델 학습할 대상 - 학습을 통해 찾아야 파라미터) 를 가지고 있다. - feature 과 label 를 가지고 둘의 관계를 말하는 함수를 찾기위해 각 layer의 parameter 를 찾아 식을 완성하는 게 학습에서 하는..