반응형 머신러닝5 [혼자 공부하는 머신러닝+딥러닝] KNN 회귀 알고리즘 [혼자 공부하는 머신러닝+딥러닝] KNN 회귀 알고리즘안녕하세요, 오늘은 머신러닝 스터디 네 번째 시간으로 최근접 이웃 회귀 알고리즘에 대해 다뤄보겠습니다. 지난 시간에 분류 문제를 KNN 알고리즘을 사용해 해결했었는데요, 이번 시간에는 회귀 문제를 해결해 보도록 하겠습니다.회귀란 무엇일까요?분류 문제는 데이터가 특정 클래스에 속하는지 예측하는 것이고, 회귀 문제는 연속적인 값을 예측하는 것입니다. 예를 들어, 생선의 길이와 무게를 가지고 도미의 무게를 예측하는 것이 회귀 문제입니다.데이터 전처리데이터 전처리는 모델이 데이터의 스케일에 영향을 받지 않도록 하는 중요한 과정입니다. 여기서는 표준점수(z-score)를 사용해 스케일링을 진행했습니다. 넘파이의 mean과 std 함수를 사용하여 평균과 표준 편.. 2024. 6. 21. [혼자 공부하는 머신러닝+딥러닝] 데이터 전처리 데이터 전처리와 K-최근접 이웃 알고리즘 안녕하세요! 오늘은 데이터 전처리와 K-최근접 이웃(K-NN) 알고리즘에 대해 알아보겠습니다. 이번 포스팅에서는 데이터 전처리의 중요성과 K-NN 알고리즘의 개념을 쉽게 설명하겠습니다.데이터 전처리데이터 전처리는 머신러닝 모델의 성능을 높이는 중요한 과정입니다. 전처리는 데이터의 품질을 높이고, 모델이 데이터를 효과적으로 학습할 수 있도록 돕습니다. 특히, 특성(feature)들의 스케일이 서로 다를 때, 이를 맞추는 작업이 필요합니다.예제: 생선 분류우리는 도미와 빙어를 분류하는 문제를 다루고 있습니다. 생선의 길이와 무게 데이터를 사용하여 도미인지 빙어인지를 예측합니다.데이터 준비먼저, 생선의 길이와 무게 데이터를 파이썬 리스트로 준비합니다.도미_길이 = [.. 2024. 6. 20. [머신러닝] K-최근접 이웃(K-NN) 알고리즘 쉽게 이해하기 K-최근접 이웃(K-NN) 알고리즘 쉽게 이해하기안녕하세요! 오늘은 머신러닝의 기초 알고리즘 중 하나인 K-최근접 이웃(K-NN) 알고리즘에 대해 쉽게 설명해드리겠습니다. K-NN 알고리즘은 이해하기 쉬우면서도 강력한 성능을 자랑하기 때문에, 머신러닝을 처음 접하시는 분들에게 추천하는 알고리즘입니다.K-최근접 이웃(K-NN) 알고리즘이란?K-NN 알고리즘은 지도 학습(Supervised Learning)의 한 종류로, 새로운 데이터 포인트의 클래스(라벨)를 예측하기 위해 가장 가까운 K개의 이웃을 참조하는 방식입니다. 간단히 말해서, 새로운 데이터가 주어졌을 때 그 데이터와 가장 가까운 K개의 데이터 포인트를 찾아 이들의 클래스를 투표하여 예측합니다.K-NN 알고리즘의 작동 원리데이터 준비: 먼저, 분류.. 2024. 6. 18. [혼자 공부하는 머신러닝+딥러닝] 마켓과 머신러닝 혼자 공부하는 머신러닝+딥러닝: 마켓과 머신러닝안녕하세요, 오늘은 [혼자 공부하는 머신러닝+딥러닝]의 3강 '마켓과 머신러닝' 강의를 요약해보겠습니다. 이 강의는 머신러닝의 기본 개념을 쉽게 이해할 수 있도록 다양한 예제를 통해 설명합니다. 특히 가상의 모바일 쇼핑몰인 '한빛 마켓'의 생선 분류 문제를 중심으로 머신러닝 프로그램을 만드는 과정을 살펴봅니다.1. 인트로이번 강의에서는 교재의 1장 3절 내용을 다루며, 이전에 사전 동영상으로 학습한 1장 1절과 2절을 기반으로 본격적인 머신러닝의 개념을 설명합니다.2. 머신러닝 프로그램이란?머신러닝 프로그램은 데이터를 이용해 모델을 학습시키는 과정을 의미합니다. 이론보다는 실습을 통해 개념을 쉽게 이해할 수 있도록 접근합니다. 가상의 모바일 쇼핑몰 '한빛 마.. 2024. 6. 18. 이전 1 2 다음 반응형
