ML4 머신러닝(7)-실습1 *지도 학습 연습 1.kaggle =>www.kaggle.com 2.자전거 대여 수요 예측 1)개\요 -url: https://www.kaggle.com/c/bike-sharing-demand Bike Sharing Demand | Kaggle www.kaggle.com -미션: 날짜, 계절, 근무랑 여부, 온도, 체감 온도, 풍속 등의 데이터를 이용해서 자전거 대여 수요 예측 -유형:회귀 -평가 지표: RMSLE(평균 제곱 대수 오류)로 평가 -데이터를 다운로드 받아서 적절한 곳에 복사 2) 데이터 다운 -kaggle 가서 다운 3)데이터 확인 =>데이터 불러오기 import pandas as pd train = pd.read_csv('./bike/train.csv') test = pd.read_csv.. 2024. 3. 6. 머신러닝(6)-Ensemble Ensemble 1.개요 =>무작위로 선택된 수천 명의 사람에게 복잡한 질문을 하고 대답을 모은다고 가정하면 이렇게 모은 답이 전문가의 답보다 나을 가능성이 높은데 이를 대중의 지혜 =>하나의 좋은 예측기를 이용하는 것보다 일반적인 여러 예측기를 이용해서 예측을 하면 더 좋은 결과를 만들 수 있다는 것으로 이를 앙상블 기법이라고 합니다. =>DecisionTree 는 전체 데이터를 이용해서 하나의 트리를 생성해서 결과를 예측하지만 RandomForest 은 훈련 세트로 부터 무작위로 각기 다른 서브 세트를 이용해서 여러 개의 트리 분류기를 만들고 예측을 할 때 가장 많은 선택을 받은 클래스나 평균을 이용합니다. =>머신러닝에서 가장 좋은 모델은 앙상블을 이용하는 모델입니다. 2.투표기반 분류기 =>분류기.. 2024. 3. 5. 머신러닝(4)-Regression(1) 1.회귀 1)개요 => 두 변수 간의 예측 관계에서 한 변수에 의해서 예측 되는 다른 변수의 예측치들이 그 변수의 평균치로 회귀하는 경향이 있다고 하여 Galton에 의해서 명명 =>한 개의 종속 변수와 독립 변수들 과의 관계를 모델링 한 것으로 종속 변수가 연속형 변수일 때 회귀라 하고 종속 변수가 범주형일 때 분류라고 합니다. 로지스틱 회귀를 제외하고는 거의 모든 모델이 분류와 회귀 양쪽 모두에 사용 가능 결과를 확률로 제시하느냐 아니면 평균으로 제시하느냐 차이 =>분류 회귀를 설명하기 위한 독립 변수의 개수에 따라 단순 회귀(1개) , 다중회귀(2개이상)로 분류 차수에 따라서 선형과 비선형으로 나눔 2.선형 회귀 1)개요 =>실제 값과 예측 값의 차이를 최소화하는 직선형 회귀선을 최적화하는 방식 =.. 2024. 3. 4. 머신러닝(1) 1.인공지능 1)지능 =>문제를 해결할 수 있는 능력 =>환자를 보고 병을 진단 2)인공 지능 =>지능 작업을 수행할 수 있는 기계의 능력 =>환자에 대한 정보를 입력하면 컴퓨터가 병을 진단 3)구현 방법 =>지식 공학(전문가 시스템):문제 해결을 위한 알고리즘을 사람이 작성 전문가들의 도움을 받아서 개발자가 알고리즘을 작성해서 컴퓨터에 저장하고 이 알고리즘에 따라 문제를 해결 컴퓨터의 역할은 결과를 만들어내는 것 =>Machine Learning Data 와 Output 을 주면 컴퓨터가 알고리즘을 만들어 내는 방식 알고리즘을 누가 만드냐에 따라 지능 공학 or 머신러닝인지로 나뉨 4)인공지능과 머신러닝의 관계 인공지능 > 기계학습(머신러닝) > 딥러닝,강화 학습 전문가 시스템 ->머신 러닝 ->딥러닝.. 2024. 2. 27. 이전 1 다음
