Tenma

안녕하세요!Tenma입니다.  Ch.5 트리 알고리즘        (1) 결정 트리        (2) 교차 검증과 그리드 서치        (3) 트리의 앙상블  트리 알고리즘 , 하이퍼 파라미터 튜닝, 여러 트리를 합친 앙상블 모델을 배울 예정입니다.  이번 장에서는(1) 결정 트리를 다루며결정 트리 알고리즘을 사용해 새로운 분류 문제를 다루어 봅니다.결정트리가 머신러닝 문제를 어떻게 해결하는지 이해합니다. 들어가며 이번에는 알코올 도수, 당도, PH 값으로 와인의 종류(레드와인 vs 화이트 와인)를 구별하려고 합니다!   로지스틱 회귀로 와인 분류하기 # 데이터 셋 불러오기"""### 로지스틱 회귀로 와인 분류하기"""import pandas as pdwine = pd.read_csv('https:..

안녕하세요!Tenma입니다.   이번 장에서는(2) 확률적 경사 하강법을 다루며경사 하강법 알고리즘을 이해하고 대량의 데이터에서 분류 모델을 훈련하는 방법을 배워 보도록 하겠습니다!  들어가며만약 계속 데이터가 추가된다면 모델의 훈련 데이터의 양은 방대하게 늘어날 것 입니다. 어떻게 해결할까요?  기존의 데이터를 조금씩 버리면서 새로운 데이터를 훈련하면 됩니다. 하지만 기존의 데이터가 중요한 데이터일 경우에 문제가 발생합니다. 그래서 기존의 훈련한 모델을 버리지 않고 새로운 데이터를 조금씩 훈련시키는 점진적 학습 혹은 온라인 학습을 사용합니다. 대표적인 점진적 학습 알고리즘으로 확률적 경사 하강법(Stochastic Gradient Descent)를 소개하고자 합니다. 확률적 경사 하강법 "조금씩 가파른..

안녕하세요!Tenma입니다. 벌써 책으로 200p에 도달하고 있습니다!! 최근에 조금 게을러 졌었는데 더 열심히 달려보겠습니다!     Ch.4 다양한 분류 알고리즘        (1) 로지스틱 회귀        (2) 확률적 경사 하강법  로지스틱 회귀 , 확률적 경사 하강법과 같은 분류 알고리즘을 배울 예정입니다. 이진 분류와 다중 분류의 차이를 이해하고 클래스별 확률을 예측합니다!    이번 장에서는 (1) 로지스틱 회귀를 다루며로지스틱 회귀 알고리즘을 배우고 이진 분류 문제에서 클래스 확률을 예측해보겠습니다!들어가며만약 도미일 확률 : 72% , 빙어일 확률 :16% 일때 확률을 출력하고자 하면  확률은 숫자이니 회귀(임의의 숫자를 예측)가 아닐까? 하는 의문이 들것입니다.  하지만 도미인지 빙어..

안녕하세요!Tenma입니다.  이제 3장 마지막에 도착했네요 기억이 안나는 것들은 바로바로 공부한 내용을 확인하면서 같이 공부해봐요!(사실 다시 돌아가서 보는게 귀찮지만 그냥 넘어가면 남는게 없더라고요 ㅠㅠ)      이번 장에서는 (3) 특성 공학과 규제를 다루며여러 특성을 사용한 다중 회귀에 대해 배우고 사이킷런의 여러 도구를 사용해봅니다 그리고 복잡한 모델의 과대적합을 막기 위한 Ridge(릿지)와 Lasso(라쏘) 회귀에 대해 알아 봅시다.  Ch.3 (3) 특성 공학과 규제이번 장을 다루기 전에  용어에 대해 먼저 알아볼게요   # 다중회귀: 여러 개의 특성을 사용한 선형 회귀를 다중 회귀(multiple regression)이라고 합니다. # 특성공학: 기존의 특성을 사용해 새로운 특성을 뽑아..