nsbg 🌞

* 실습 소스 코드 : github.com/nsbg/AI Regression (toward the mean) 어떤 데이터들이 굉장히 크거나 작더라도 전체적으로 보면 이 데이터들은 전체 평균으로 회귀하려는 특징을 갖는다. ∴ 어떤 데이터들이 선형적인 증가/감소 관계에 있을 때 이 관계를 분석하는 것 Linear Regression 선형 회귀 입력 데이터를 가장 잘 나타낼 수 있는 직선의 방정식을 찾는 것 ∴ 데이터(파란색 점)들을 가장 잘 나타내는 직선의 방정식(빨간색 선) 기울기와 y 절편을 구하는 것 Hypothesis & Loss(=Cost, Error) Hypothesis : H(x) = Wx+b → 간단하게 나타낼 경우 Wx Loss : H(x)-y (y는 실제 데이터 → 파란색 점) cf. 어떤..

4.1 누락된 데이터 다루기 4.1.1 테이블 형태의 데이터에서 누락된 값 식별 csv_data = \ '''A, B, C, D 1.0, 2.0, 3.0, 4.0 5.0, 6.0, , 8.0 10.0, 11.0, 12.0 ''' df = pd.read_csv(StringIO(csv_data)) df Output ◽ DataFrame이 아주 클 경우 수동으로 누락 값을 찾는 것은 번거로움 → isnull method 사용 ◽ isnull : 셀이 수치 값을 담고 있는지에 대한 불리언 값이 채워진 DataFrame 반환 # sum method 이용해 누락된 값의 개수 확인 가능 df.isnull().sum() 4.1.2 누락된 값이 있는 샘플(행)이나 특성(열) 제외 ◽ 데이터셋에서 해당 샘플이나 특성을 아..

3장 이름이 사이킷런을 타고 떠나는 머신 러닝 분류 모델 투언데 뭔가 귀엽다 ㅋㅋㅋ 계속 임시저장이었다가 드디어 올리는,,,ㅎ 머쓱 〜(￣▽￣〜)(〜￣▽￣)〜 ✔ 3.1 분류 알고리즘 선택 분류 모델의 예측 성능과 계산 성능은 학습에 사용하려는 데이터에 크게 의존 1️⃣ 특성을 선택하고 훈련 샘플 모집 2️⃣ 성능 지표 선택 3️⃣ 분류 모델과 최적화 알고리즘 선택 4️⃣ 모델의 성능 평가 5️⃣ 알고리즘 튜닝 ✔ 3.2 사이킷런 첫걸음 사이킷런 라이브러리 : 다양한 학습 알고리즘 제공, 데이터 전처리나 세부 조정, 모델 평가를 위해 편하게 사용할 수 있는 함수 多 ⭐ 사이킷런이 제공하는 머신러닝 API Classification : 분류 알..

''' 퍼셉트론 인터페이스 가진 파이썬 클래스 정의 1. Perceptron 객체 초기화 후 fit 메서드로 데이터에서 학습 2. 별도의 predict 메서드로 예측 생성 cf. 객체 초기화 과정에서 생성하지 않고 다른 메서드 호출하여 만든 속성은 _ 추가 ''' import numpy as np class Perceptron(object): '''퍼셉트론 분류기 -------------- 매개변수 -------------- eta : float -> 학습률(0.0과 1.0 사이) n_iter : int -> 훈련 데이터셋 반복 횟수 random_state : int -> 가중치 무작위 초기화를 위한 난수 생성기 시드 -------------- 속성 -------------- w_ : 1d-array -..