1.
문제를 정의한다.
2.
상황을 판단하기 위한 평가 지표를 마련한다.
3.
데이터를 가져온다.
4.
테스트 세트 만들기(데이터 스누핑 편향, 표본의 대표성, 계층적 샘플링)
5.
데이터 탐색 - 데이터 시각화, 상관관계 조사
6.
데이터 준비 - 데이터 정제(결측치 처리),
7.
특성 스케일링
'Data Science > AI' 카테고리의 다른 글
| [데이터 시각화] Tableau 기본 차트 이용법 - 막대, 라인, 파이, 도넛, 맵, 대시보드 등 (0) | 2021.07.23 |
|---|---|
| [발표 자료] 핸즈온 머신러닝 3장 - 분류 classification (0) | 2021.07.23 |
| BOAZ BIGDATA CONFERENCE 2021 / 빅데이터 연합동아리 14회 컨퍼런스 (0) | 2021.07.19 |
| [필기] 머신러닝 프로젝트 End-to-End 진행의 과정 (핸즈온 머신러닝 챕터 2) (0) | 2021.07.15 |
| [정리] 머신러닝이란 무엇인가? 머신러닝의 종류, 활용법 (핸즈온 머신러닝 챕터 1 : 사이킷런과 텐서플로를 활용한 머신러닝, 딥러닝) (0) | 2021.07.15 |