이게 왜 돌아가지 이게 왜 돌아가지

1. 배경1. 적은 특성 사용 및 고차항 사용수동으로 고차항을 계속 넣기는 어렵다는 문제특성이 많을수록 효과가 커진다.2. 선형 회귀 모델의 학습1개의 특성 → 직선2개의 특성 → 평면인간은 3차원 공간 이상을 그리거나 상상할 수 없다.선형 회귀3차원 이상의 고차원 : 매우 복잡한 모델을 표현할 수 있다.2. 다중 회귀와 특성 공학1. 다중 회귀여러 개의 특성을 사용한 선형 회귀선형 회귀와의 차이선형 회귀 : 1개의 특성, 직선 학습다중 회귀 : 여러 개의 특성, 평면 학습다항 회귀와의 차이 *다항 회귀 : 1개의 독립 변수를 비선형적으로 변형해서 여러 개로 사용ex. y=β_0 + β_1x + β_2x^2 +⋯+ϵ.다중 회귀 : 여러 독립 변수를 사용ex. y=β_0 + β_1x1 + β_2x2 +⋯+..

1. K-최근접 이웃의 한계1. 농어의 무게 예측 오류1절의 내용인 length & weight를 이용해 길이가 50cm인 농어의 무게를 예측해보자.# 1절의 내용을 돌아보기import numpy as npperch_length = np.array([8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 21.0, 21.0, 21.0, 21.3, 22.0, 22.0, 22.0, 22.0, 22.0, 22.5, 22.5, 22.7, 23.0, 23.5, 24.0, 24.0, 24.6, 25.0, 25.6, 26.5, 27.3, 27.5, 27.5, 27.5, 28.0, 28.7, 30.0, 32.8, 34.5, 35.0, 3..

1. 개념지도 학습 알고리즘분류회귀 : 숫자 예측K-최근접 이웃 분류 알고리즘가까운 이웃 k개 선택이웃의 클래스 확인다수 클래스를 새로운 샘플의 클래스로 예측k-최근접 이웃 회귀가까운 이웃 k개 선택이웃의 ‘수치’ 확인이웃들의 수치의 평균을 새로운 샘플의 예측값으로!결정계수 R^2R^2 = 1 - ((타겟- 예측)^2의 합) / (타겟-평균)^2의 합)예측과 타겟이 가까울수록 1 = 클수록 좋은 모델과대적합 : 훈련 세트에만 잘 맞는 모델과소적합 : 훈련 세트에서도 적절하게 훈련되지 않은 경우2. 데이터 준비전체 데이터 : 농어의 길이, 높이, 두께, 무게이번에는 길이와 무게만 사용해서, 무게를 예측하자.1. 데이터 불러오기파이썬 리스트 만들고 arry 하지 말고 한 번에 np.array로 만들기impo..

1. 개념튜플 : 수정이 불가능한 리스트데이터 전처리 : 특성값을 일정한 기준으로 맞추는 작업표준점수 (z 점수) : 각 특성값이 평균에서 표준편차의 몇 배만큼 떨어져 있는지 나타낸다.실제 특성값의 크기와 상관없이 동일한 조건으로 비교할 수 있다.브로드캐스팅 : 모든 행에 대해 표준 점수로 변환하는 넘파이 기능2. 넘파이로 데이터 준비하기1. 기존의 방법 : 매우 귀찮음# 도미, 빙어 합친 데이터fish_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, ..

1. 개념머신러닝 알고리즘의 종류지도 학습비지도 학습훈련 데이터 : 입력 데이터 + 타겟 데이터훈련 세트 : 훈련에 사용되는 데이터테스트 세트 : 평가에 사용하는 데이터, 훈련 데이터의 일부샘플링 편향 : 샘플링이 한쪽으로 치우쳐 훈련 세트와 테스트 세트에 샘플이 골고루 섞이지 않은 경우2. 넘파이파이썬의 배열 라이브러리, 고차원의 배열 만들고 조작할 때 사용파이썬 리스트를 넘파이 배열로 바꾸기 : array 함수 이용 → 행 열 가지런히 출력import numpy as npinput_arr = np.array(fish_data)target_arr = np.array(fish_target)print(input_arr)print(input_arr.shape) # (49, 2)3. 샘플링 편향 발생하는 K-..

1. 데이터셋 소개와 K-Neighbors1. 생선 데이터셋 사용캐글에 나온 데이터도미와 빙어 데이터2. 분류의 종류분류 : 여러 개의 종류 중 하나를 구별이진 분류 : 2개의 클래스 중 하나를 고르는 것3. K-Neighbors 알고리즘목적 : 근처에 있는 데이터에 대해 다수결로 클래스를 선택하는 것KNeighborsClassifier()K-Neighbors 분류 모델을 만드는 사이킷런 클래스기본값 = 5사용하는 메서드fit() : 모델 훈련predict() : 예측score() : 모델의 성능 측정2. 데이터 준비1. 도미 데이터 준비하기 [bream]길이와 무게 특성bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7,..

1. 인공지능: 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템역사인공지능 태동기인공지능 황금기1차 AI 겨울AI 붐2차 AI 겨울현재인공지능의 종류강인공지능 : 사람과 같은 높은 수준의 인식 능력 + 추론 능력약인공지능 : 특정 작업에 뛰어난 능력을 발휘하는 인공지능 (현재)ex. 알파고2. 머신러닝: 알아서! 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야전통적인 프로그래밍과의 비교전통적인 프로그래밍 머신러닝 (훈련) 머신러닝 (예측)input규칙, 데이터정답, 데이터규칙, 데이터output정답규칙예측머신러닝 라이브러리안정적, 성능 검증 완료사이킷런3. 딥러닝: 머신러닝 알고리즘 중 인공 신경망을 기반으로 한 방법딥러닝과 인공 신경망 크게 구분하지 않음딥러닝 라이브러리인공 신..

공부하면서 항상 까먹는 게 문제라.. 이번에는 '파이썬으로 배우는 통계학 교과서'를 골랐어요.다음 학기에 통계 과목으로도 파이썬을 다룰 줄 알아야 할 것 같아 골라본 책입니다.​그나저나, 표지가 참 예쁜 것 같아요. ​​ 목차​통계학 기본파이썬과 주피터 노트북기술통계확률과 확률분포통계적 추정통계적 가설검정통계모델정규선형모델일반화선형모델통계학과 머신러닝​​​ 포인트​기술 통계와 추론 통계의 필요성  통계학을 처음 접하면, 기술 통계와 추론 통계가 무엇인지 배웁니다. 이 책에서는 이러한 통계가 왜 필요한지 구체적으로 설명하고 있습니다.​​다양한 통계 이론에 대한 설명   수리통계학 1 뿐 아니라 수리통계학2에서 다룬 최대가능도 추정량, 최대로그가능도와 회귀분석 강의에서 배우는 단순 회귀 예측까지 폭 넓은 분..

10월은 너무 바쁘게 보내서 11월의 책으로 돌아왔습니다.탑싯 마무리하고 고른 책은 우분투 리눅스입니다!컴퓨터네트워크 & 알고리즘 들으면서 같이 듣기 더 좋을 것 같아서 골랐습니다.​​ 목차​Part 01. 성공적인 학습을 위한 준비 작업과 우분투 리눅스 설치실습 환경 구축우분투 리눅스 소개우분투 리눅스 설치​Part 02. 우분투 리눅스의 기본 개념과 리눅스 관리자의 역할서버 구축 시 알아야 할 필수 개념과 명령어X 윈도우 시스템하드디스크 관리와 사용자별 공간 할당셸 스크립트 프로그래밍​Part 03. 네트워크 서버 구축 실무 Ⅰ원격지 시스템 관리네임 서버메일 서버데이터베이스 서버웹 서버​Part 04. 네트워크 서버 구축 실무 ⅡFTP 서버NFS 서버Samba 서버DHCP 서버프록시 서버방화벽 컴퓨터..