KT 에이블스쿨 : 머신러닝 (지도학습) 5일치 총 정리
머신러닝 - 지도학습 24.03.27 (목) ~ 24.04.02 (화) 1일차 - 머신러닝 개념 데이터 전처리 결측치, 이상치, 제거, 가변수화 등 머신러닝 모델링하는 것보다 전처리가 가장 시간이 많이걸리고 성능을 좌우할만큼 중요하단걸 느낌 학습방법에 따른 분류 : 지도, 비지도, 강화 지도 : 분류, 회귀 비지도 : 군집화, 연관, 변환 과제에 따른 분류 : 분류, 회귀, 클러스터링 모델 선택하는 방법 딥러닝 : 어떤 미래의 값을 정확하게 예측 해야할때 = 성능이 중요할때 딥러닝은 성능이 좋지만 어떻게 한건지 사람은 알수가 없어서 설명은 못함 머신러닝 : 비즈니스 관점으로 어떤 요소가 중요한지 설명해야할때 가격이 중요한지, 경쟁사 가격이 중요한지처럼 중요한 요소가 무엇인지를 알고 설명을 위해서는 성능은 떨어지지만 설명은 가능한 기본 알고리즘을 씀 지도학습을 선택했다면, 회귀 / 분류 선택해야함 수치형 변수라고 다 회귀는 아님. 연속성이 있는지를 확인하는게 중요함 두 값 사이에 중간값 이 의미 가 있는 숫자인지 두 값에 대한 연산결과 가 의미가 있는 숫자인지 용어 정리 모델 : 데이터로 부터 패턴을 찾아 수학식으로 정리해 놓은 것 모델링 : 적절한 학습을 통해 오차가 적은 최적의 모델을 만드는 과정 모델의 목적 샘플 (과거데이터, 표본, 부분집합) 을 가지고 전체 (모집단, 현재와 미래데이터)를 추정 (예측/추론)하는것 과대적합 (과적합) : 모델의 복잡도가 높아지는것 학습 데이터에 대해서만 잘 맞는 모델 → 실전에서 예측 성능이 좋지 않음 과소적합 : 모델의 복잡도가 너무 낮아서, 단순함. 학습데이터에 대한 훈련이 안된것 Q) train_test_split 함수를 써서, 데이터를 나눌때 stratify = y 는 무엇 ? A) 범주형 종...
