티스토리

주니코니코드

검색하기

블로그 홈

주니코니코드

joonycony.tistory.com/m

주니코니 님의 블로그입니다.

구독자: 7

방명록 방문하기

주요 글 목록

[혼공머신] 6주차_인공신경망, dnn 본 게시글은 혼공학습단 11기로, 복습 차원에서 책 내용을 제 스타일대로 요약한 내용입니다. #챕터7 #주니코니 #힘내랏❤️#마지막!!!#야홍#우선가볍게쓰고나중에알게되면보완해야지 🌳목차 -왜 대부분 딥러닝에서는 경사하강법을 쓴다고 써있는거지? -loss 함수의 역할은 활성화함수와 달리 무엇이고 구조는 어떻게 되는가 -이미지가 아닌 정형데이터를 다룰 때 input 층에 어떤 식으로 데이터가 입력되는지?(row&column) -epoch의 의미 -은닉층은 하이퍼파라미터인데 갯수 정할 때 데이터에서 참고하는 점은? -예시문제 -왜 대부분 딥러닝에서는 경사하강법을 쓴다고 써있는거지? : 딥러닝이라는 게 빅데이터에 강점을 가지고 있어서 머신러닝처럼 함수식이 간단하지 않을 것. 그래서 경사하강법을 쓰는 게 아닐까... 공감수 4 댓글수 1 2024. 2. 15.
[혼공머신] 5주차_k-means, PCA 본 게시글은 혼공학습단 11기로, 복습 차원에서 책 내용을 제 스타일대로 요약한 내용입니다. #챕터6 #주니코니 #힘내랏❤️ 목차 -k-means 알고리즘 작동 방식 -PCA(주성분 분석) k-means 클러스터링 : k-means 알고리즘이란 지정한 k-개의 평균값을 가지고 클러스터링하는 것을 의미한다. 작동 방식은 간략히 말하자면 다음과 같다. 1. 임의로 중심점을 찍고 그룹화 한다 2. 데이터 포인트마다 중심점에서 가깝게 재분류된다 3. 재분류된 그룹 내 관측치들의 평균값을 토대로 중심점을 (재)계산한다(평균값-> 중심점) 4. 클러스팅이 잘되기까지 2번부터의 과정을 반복! 그림으로 말하자면 👍🏻 PCA(주성분 분석) : 주성분 분석이란 Principal Component Analysis의 약자로,.. 공감수 1 댓글수 1 2024. 2. 1.
[혼공머신] 4주차_ tree 모델, 교차검증, 편향-분산 본 게시글은 혼공학습단 11기로, 복습 차원에서 책 내용을 제 스타일대로 요약한 내용입니다. #챕터5 #주니코니 #힘내랏❤️목차 -결정트리의 장단점 -교차검증을 그림으로 설명 -랜덤 포레스트/엑스트라 트리 -그레디언트 부스팅 -편향과 분산 -참고자료🌲결정트리의 장점 -직관적인 설명(보고하기에 좋음) -특성중요도 계산 가능print(dt.feature_importances_) 단점 제한없이(map_depth) 학습시 과대적합에 쉬움 = 가지치기!🤞교차검증을 그림으로 설명 🌳랜덤 포레스트/엑스트라 트리 랜덤 포레스트 : 다수의 결정트리가 모인, 숲을 의미 bootstrap(bagging), 중복 허용해서 훈련 샘플을 만듦 -> 훈련셋 과대적합 ⬇️ 단점은 계산속도가 느리다 엑스트라 트리 : Extremely.. 공감수 1 댓글수 0 2024. 1. 24.
pandas, 시리즈, 데이터 프레임 개념이 살짝 헷갈리던 와중 기가 막힌 설명을 발견했다..🤞 그외 pandas 문법 등 자세히 보기 : 판다스(pandas) 기본 사용법 익히기 데이터 분석을 위한 파이썬 라이브러리인 판다스(pandas) 의 기본 사용법을 소개해 놓은 ‘10 Minutes to pandas’ 를 번역해 놓은 글입니다. pandas 의 기본 사용법을 익히시려는 분들에게 실습을 천천히 dandyrilla.github.io 공감수 0 댓글수 1 2024. 1. 23.
[혼공머신] 3주차_로지스틱회귀&시그모이드, 소프트맥스 함수 본 게시글은 혼공학습단 11기로, 복습 차원에서 책 내용을 제 스타일대로 요약한 내용입니다. #챕터4 #주니코니 #힘내랏 목차 -로지스틱회귀란 -시그모이드 함수(로지스틱 함수) -소프트맥스 함수 로지스틱 회귀란 -분류 모델이다.(이진/ 다중 분류) -L2 규제다. 기본적으로 릿지 회귀와 같이 계수의 제곱을 규제한다. -시그모이드 함수로 확률을 얻고(이진) , 소프트맥스 함수로 확률을 얻는다.(분류) 시그모이드 함수 -하나의 선형 방정식(기울기)의 출력값을 0~1 사이로 압축한다. 소프트맥스 함수 -여러 개의 선형 방정식의 출력값을 0~1 사이로 압축하고, 전체 합이 1이 되도록 만든다.(지수 함수 사용) -n개의 z값을 확률로 변환한다. -클래스 개수만큼 방정식을 훈련한다. 공감수 1 댓글수 1 2024. 1. 21.
[혼공머신] 2주차_knn 최적의 k값 찾기 시각화 본 게시글은 혼공학습단 11기로, 복습 차원에서 책 내용을 제 스타일대로 요약한 내용입니다. #챕터3 #주니코니 #힘내랏 목차🐻 - 주차별 미션 - knn 최적의 k값 찾기_시각화 #최적의 k값 찾기(그래프로) knr = KNeighborsRegressor() x = np.arange(5,45).reshape(-1,1) #5~45까지 x 좌표 만들기 for n in [1,5,10]: #k=1,5,10일때의 예측 그래프 knr.n_neighbors = n #n_neighbors = 이웃의 개수 정하기 knr.fit(train_input, train_target) prediction = knr.predict(x) plt.scatter(train_input,train_target) plt.plot(x,pred.. 공감수 1 댓글수 0 2024. 1. 14.
[혼공머신] 1주차_머신러닝이란 본 게시글은 혼공학습단 11기로, 복습 차원에서 책 내용을 제 스타일대로 요약한 내용입니다. #챕터1~2 #주니코니 #힘내랏 목차🐻 - 주차별 미션 - 피처(feature) - fit() - knn 장단점 - numpy - score, predict() - 손코딩 실습 파일 1. 피처(feature) -데이터의 특징, 특성(feature)를 의미 -2개의 특성을 사용해 그래프를 그린다면 2차원 그래프 2. fit() 메서드 -사이킷런 패키지 내 함수로, (알고리즘을) 훈련함을 의미 -모델에 데이터를 전달하여 규칙을 학습하는 과정을 '훈련'이라 함 3. knn 장단점 -knn이란 k-Nearest Neighbors 알고리즘, 가장 가까운 k개의 데이터를 보고 다수결의 원칙을 따름 -장점 : 명확하고 간단한.. 공감수 0 댓글수 0 2024. 1. 7.
lag feature, rolling feature 프로젝트 진행중 맞이한 문제.. 상황은 이렇다! TIP 1.시계열이라고 해서 꼭 굳이 lstm, 대신 lgbm을! 갓gbm 2.lag feature를 다양하게, 길게(꼭 특정 a시간이 아닌 24(시간)+ a) 잠깐! lag feature란 시차, 시간 위아래로 댕기는 것 3.rolling feature 쓰기(이동평균 추천) print('Rolling feature 만들기') for i in [7,10,14]: print('Rolling period:', i) all_df['rolling_mean_'+str(i)] = all_df.groupby(['store_id'])[TARGET].transform(lambda x: x.shift(SHIFT_DAY).rolling(i).mean()) all_df['rol.. 공감수 0 댓글수 0 2023. 10. 5.
군집화와 k-means(데이터 마이닝) 목차 -군집화란? -계층적/비계층적 군집화 -how 그룹핑? -k-means *이상철교수님의 데이터마이닝 수업을 요약했습니다 군집화란? 그룹으로 묶어 구분하다 k-means는 비지도 학습이다 계층적 군집화와 비계층적 군집화 1.계층적 군집화 : 개체간 거리 계산, 병합+분리(두개에서부터 데이터 끝까지 다 묶어준다) 2.비계층적 군집화 : 사전에 그룹 수 지정해서 거리 계산 -현실에서 많이 쓰는 방법 -몇개의 군집이 정답인가? 하나씩 다 해봐야한다! - 대규모 데이터를 처리에 유용 -k means how 그룹핑? 나눌 때 '어떤 속성을 가지고' 그룹화를 시켜야하는데.. 1) 개체간 *거리를 계산해서 비슷한 개체끼리 나눈다. *피타고라스의 정의(유클리드 거리) 2) 표준화 시키고 그룹핑하기!(그렇지 않으면 .. 공감수 1 댓글수 0 2023. 9. 21.
머신러닝 알고리즘 빠르게 훑어보기! 목차 -지도학습 -비지도학습 -앙상블 -pca -교차검정 공감수 0 댓글수 0 2023. 9. 11.
다중 회귀모델의 규제 : 라쏘, 릿지, 엘라스틱넷 목차 -규제란 -종류 및 언제 쓰는가 규제란 규제 = Regularization = 패널티 = 변수 선택 = 하이퍼파라미터 알파(규제강도) 다중 회귀모델에서는 여러 독립변수들의 각각의 최적의 가중치(기울기)를 찾는 것이 핵심인데 그 방법으로는 규제를 가하는 것이다. 즉! -설명력이 좋은 변수는 남기고 좋지 않은 변수는 버리는 방식 -규제란 다른 쉬운 말로 변수선택 -과적합 방지 -회귀식을 더 간단하게 만들어 연산 속도를 높이고 일반화를 잘 유도 종류 및 언제 쓰는가 절댓값 그래프는 다이아몬드 모양 제곱의 합의 그래프는 원형 모양 1. L1 라쏘(lasso = 올가미란 뜻, 절댓값) : 설명력이 낮은 변수를 0에 가깝게(영향력 감소) 일부 피처들이 중요하지 않다면 라쏘를 절댓값은 미분하기가 복잡하다(차원축.. 공감수 0 댓글수 0 2023. 9. 10.
회귀분석이란 무엇이고 언제 쓸까?(통계학) 목차 회귀분석 종류 선형회귀분석의 종류 기울기=회귀계수=가중치 상관계수는 회귀계수와 같나 분산과 표준편차 편차=잔차=오차 최소제곱법 회귀식의 적합도(결정계수) 회귀계수 검정(귀무-연구가설) 아래 내용은 강서대학교 이상철 교수님 수업을 정리한 것입니다! 회귀분석 종류 선형회귀분석 : 경영학쪽에서 비선형회귀분석: 자연과학(의 시계열) 로지스틱회귀분석 : 금융(분류라서) 선형회귀분석의 종류 단순 선형회귀분석 : 사회과학쪽에서 잘 쓰이지 x => 독립변수가 하나인 경우는 드물어서 다중 선형회귀분석 : 독립변수가 여러개인 경우 기울기=회귀계수=가중치 수학에서는 기울기 통계학에서는 회귀계수(0~1값)라고 한다 계수란 관련성을 수치화한 것(정수화) 데이터마이닝에선 가중치라고 한다 상관계수는 회귀계수와 같나 상관계수란.. 공감수 0 댓글수 1 2023. 9. 9.
알고리즘과 모델의 구분 헷갈린 개념을 딱 잡아주는 자료를 발견해, 공유합니다! 영상 내용의 핵심을 정리하자면, 알고리즘은 다음과 같습니다. 그렇다면 데이터-학습-알고리즘-모델이란? 공감수 0 댓글수 0 2023. 8. 27.
머신러닝의 역할과 일반화, standardization과 normalization, 최적화, 릿지라쏘 목차 -머신러닝의 역할 -왜 모델을 적용할까 -일반화 -성능평가하는 이유 -standardization과 normalization -최적화의 역할 -릿지라쏘 공감수 0 댓글수 0 2023. 8. 26.
[지도학습 : 앙상블 학습] 보팅, 배깅 #빅리더 #장철원 대표님 강의 회사에서 소프트웨어 버전 업데이트는 잘하지 않는다 ⭐⭐ (n년 뒤 하이퍼파라미터나 라이브러리 등 옵션이 달라졌을 수도) -> 어떤 회사에서는 파이썬 2를 쓴다 -> 함부로 업데이트 하지말자...결론 ㅎ 라이브러리의 단점은? 개발자가 하라는대로 해야함앙상블들어가기 전에 ---- classification > regression : 분류가 더 어렵다 그럼 둘중 뭘 하냐? 싹다..해봐...ㅎ( =_= ) -> 앙상블 학습 : 싹다 합체해서 다 해보자 *분류는 a 아니면 b 처럼 결과가 명확한데, regression의 결과(예측값)은 결과값(숫자만)으로 더 좋다, 나쁘다를 말하기엔 어렵다 보팅이란? vote 투표하다 장점은? 민주주의 ㅋ 단점은..소수의 의견은 ㅠ_ㅠ => 처음부터.. 공감수 0 댓글수 0 2023. 7. 21.
파라미터 하이퍼 파라미터의 차이, 정규화 표준화의 차이(머신러닝이란? 사이킷런(knn)) 사이킷런 : 모든 모델 다 쓸 수 있는 파이썬 라이브러리 ❤️(사이킷런은 사랑이다..!) 머신러닝으로 할 수 있는 두가지는? 예측과 분류 regression 회귀 : 예측 classification 분류 지도 학습 clustering 분류 cf. 비지도 학습 dimentionality reduction : 차원축소 예측과 분류 둘다 가능(보조 도구) 알고리즘 종류 : 1. k-최근접 이웃(knn) : 유클리디언 거리(피타고라스의 정리) k는 내가 선정(1-nearest neighbor, 2, 3,----) => 하이퍼 파라미터에 해당 k와 비교대상이 있어야 한다!(training data가 늘 있어야 한다) 컴퓨터를 이루는 세가지 : cpu, 램, ssd(하드 디스크의 발전) 램 - 주 기억 장치 but.. 공감수 0 댓글수 0 2023. 7. 21.
코랩 - 데이터 어떻게 불러오나요? 2023.07.17 빅리더 임선집 대표님 강의 #1 ⭐ colab은 구글 거라서 db를 활용하려면 google drive와 연동해야한다 그리고 1. 왼쪽 상단의 아이콘 '돋보기 - x - 파일 모양'을 클릭한다(클릭하면 주황색이 됨) 2. 세번째 아이콘('연동,mount') 클릭 후 실행시키기 * 이미 해둔 상태라 \ bar 가 그어져있다 or colab에서 다음과 같이 입력 후 실행 from google.colab import drive drive.mount('/content/drive') 그랬는데도 content 파일 안에 drive 파일이 안보인다면? 3. googledrive에 db(예를 들면 csv 파일)을 올리고 4 .colab notebook 파일안에 이동시켜 놓는다 * 아래 노란색 뫼비우스.. 공감수 0 댓글수 0 2023. 7. 17.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.