Data Analysis/기계학습(Machine Learning)
-
지도학습 가이드 라인Data Analysis/기계학습(Machine Learning) 2020. 8. 10. 16:16
주제: 기계학습 가이드라인 지도학습의 가이드라인 모델 적용하기: 데이터 분석과정 중 EDA(데이터 정제) 이후에 적합한 모델을 적용하는 단계 준비물: EDA Data(정제된 Data), 적합한 모델 선택 오늘 가이드라인 소개를 위해서 iris 범주형 자료를 사용함 iris 데이터 소개: 붓꽃의 3가지 종(setosa, versicolor, virginica)에 대해 꽃받침과 꽃잎의 길이를 정리한 데이터 1. 데이터 불러오기 import seaborn as sns df = sns.load_dataset('iris') 1.2 설명변수(X)와 타켓변수(Y) 지정하기 # 변수명 df.columns Y = df['species'] X = df.drop(columns = 'species') # df에서 'speci..
-
머신러닝(Machine Learning)과 딥러닝(Deep Learning)Data Analysis/기계학습(Machine Learning) 2020. 8. 7. 17:33
주제: 머신러닝(Machine Learning) 컴퓨터 과학(Computing Science) VS 머신러닝(Machin Leanrning) 1. 컴퓨터 과학(Computing Science) 어떤 값을 함수 f에 집어넣어서 계산을 할 때 어떤 식으로 계산이 되는지를 사람이 기계에게 알려주는 경우 컴퓨터 과학이라고 함 전제 1) 사람이 f의 형태를 알고 있음 전제 2) 사람이 f의 모든 요소를 구성하고 기계는 계산만 함 준비물: 데이터, 모델 3,4 => f(3,4) = 3 + 4 = 7 2. 머신러닝(Machine Leanrning) 어떤 값을 함수 f에 집어넣어서 계산을 할 때 어떤 식으로 계산이 되는지를 기계가 스스로 찾아서 학습하는 경우 머신러닝이라고 함 전제1) 사람이 f의 형태를 모름 전제 2..