bangle_note.log https://velog.io/ 컴공 복전생의 하루 한 개 글 작성하기 Sun, 16 Jul 2023 14:42:02 GMT https://validator.w3.org/feed/docs/rss2.html https://github.com/jpmonette/feed Copyright (C) 2019. bangle_note.log. All rights reserved. <![CDATA[혼자 공부하는 머신러닝 - 2주차]]> https://velog.io/@bangle_note/%ED%98%BC%EC%9E%90-%EA%B3%B5%EB%B6%80%ED%95%98%EB%8A%94-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-2%EC%A3%BC%EC%B0%A8 https://velog.io/@bangle_note/%ED%98%BC%EC%9E%90-%EA%B3%B5%EB%B6%80%ED%95%98%EB%8A%94-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-2%EC%A3%BC%EC%B0%A8 Sun, 16 Jul 2023 14:42:02 GMT 핵심 포인트

*(1) 회귀 *: 임의의 수치를 예측하는 문제, 타깃값도 임의의 수치가 된다.

(2) k-최근접 이웃 회귀 : k-최근접 이웃 알고리즘을 사용하여 가장 가까운 이웃 샘플을 찾고 이 샘플들의 타깃값을 평균하여 예측으로 삼는다.

(3) 결정계수 : 1에 가까울 수록 좋고, 0에 가깝다면 성능이 나쁜 모델임

(4) 과대적합, 과소적합

과대적합 : 모델의 훈련 세트 성능이 테스트 세트 성능보다 훨씬 높을 때 일어난다. 데이텅네 내재된 거시적인 패턴을 감지하지 못한다

*과소적합 : *훈련 세트와 테스트 세트 성능이 모두 동일하게 낮거나 테스트 세트 성능이 오히려 높을 때 일어난다. 이 경우에는 보통 더 복잡한 모델을 사용해 훈련 세트에 맞는 모델을 만들어야 한다.

연습 문제 실행 결과

![] (https://velog.velcdn.com/images/bangle_note/post/cc03ffb9-7f3e-427b-8617-4d2aa843e923/image.png)

]]> <![CDATA[혼자 공부하는 머신러닝 - 1주차 과제]]> https://velog.io/@bangle_note/%ED%98%BC%EC%9E%90-%EA%B3%B5%EB%B6%80%ED%95%98%EB%8A%94-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-1%EC%A3%BC%EC%B0%A8-%EA%B3%BC%EC%A0%9C https://velog.io/@bangle_note/%ED%98%BC%EC%9E%90-%EA%B3%B5%EB%B6%80%ED%95%98%EB%8A%94-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-1%EC%A3%BC%EC%B0%A8-%EA%B3%BC%EC%A0%9C Sun, 09 Jul 2023 13:58:01 GMT 실제 구글 코랩에서 돌렸을 때의 실습 화면

*데이터 전처리 *: 머신러닝 모델에서 훈련 데이터를 주입하기 전에, 가공하는 단계를 뜻함.

표준점수 : 훈련 세트의 스케일을 바꾸는 대표적인 방법중 하나임

브로드캐스팅 : 크기가 다른 넘파이 배열에서 자동으로 사칙 연산을 모든 행이나 열로 확장하여 수행하는 기능을 뜻함.

]]>