hachaenii님의 블로그

오늘의 학습 내용- KNN 알고리즘- SVM- 분류 모델 - 로지스틱 회귀 개념과 활용 - 분류 모델 - 모델 성능 평가와 다중 분류 k-NN 알고리즘1. 개요1.1 거리 측정: 새로운 데이터 포인트와 모든 훈련 데이터 포인트 간의 거리를 계산. 일반적으로 유클리드 거리(Euclidean Distance)를 사용하지만, 맨해튼 거리(Manhattan Distance) 등 다른 거리 측정 방법도 사용 가능1.2 이웃 선택: 계산된 거리 값을 기준으로 가장 가까운 k개의 이웃을 선택1.3 분류/회귀:분류: 선택된 k개의 이웃 중 가장 많은 클래스를 새로운 데이터 포인트의 클래스로 할당. 즉, 다수결 투표(Majority Voting) 방식으로 클래스를 결정회귀: 선택된 k개의 이웃의 평균 값을 새로운 데이터..

오늘의 학습 내용- 데이터 전처리와 특징 엔지니어링 - 선형 회귀 개념과 원리- 다중 선형 회귀와 모델 평가- 로지스틱 회귀 개념과 활용- 모델 성능 평가와 다중 분류 데이터 전처리와 특징 엔지니어링머신러닝 모델의 성능은 데이터의 품질에 크게 의존데이터를 제대로 정리하고, 적절한 특징(Feature)을 만들어내는 과정이 매우 중요이를 위해 데이터 전처리(Data Preprocessing)와 특징 엔지니어링(Feature Engineering)을 수행해야 함 1. 데이터 전처리(Data Preprocessing)1.1 데이터 정리 및 탐색데이터를 정리하고 구조를 이해하는 단계- 데이터 로드: pandas, NumPy 등을 활용하여 데이터를 불러옴- 기초 통계 확인: df.describe(), df.info..

오늘의 학습 내용- 머신러닝의 기본 개념 이해 오늘은 개인 사정으로 머신러닝 기본 개념에 대해서만 간략히 정리하고 넘어가려고 합니다..! 머신러닝의 기본 개념 이해머신러닝(Machine Learning)은 데이터를 기반으로 패턴을 학습하고,이를 바탕으로 예측 및 의사 결정을 수행하는 인공지능(AI)의 한 분야명시적인 규칙을 프로그래머가 지정하는 것이 아니라, 알고리즘이 데이터를 분석하여 스스로 규칙을 찾아내는 방식으로 동작1. 머신러닝 정의 데이터에서 패턴을 찾아 학습하고, 새로운 데이터에 대해 예측을 수행하는 시스템 일반적으로 사람이 정의하기 어려운 복잡한 패턴을 데이터에서 자동으로 학습하여 적용하는 것이 머신러닝의 핵심 목표 2. 머신러닝의 주요 학습2.1 지도 학습(Supervised Learnin..