HappyTomatoLife

참고 : Git and GitHub for Beginners - Crash Course - YouTube ⭐️ Contents ⭐️ ⌨️ Introduction ⌨️ What is git? ⌨️ What is version control? ⌨️ Terms to be learn in video ⌨️ Git commands ⌨️ sign up in GitHub ⌨️ using git in local machine ⌨️ git install ⌨️ getting code editor ⌨️ inside VS Code ⌨️ cloning through VS Code ⌨️ git commit command ⌨️ git add command ⌨️ committing ⌨️ git push command ⌨️ SSH Ke..

6. Decision Tree¶ 머신러닝 알고리즘 중 1 : 분류, 회귀, 다중출력도 가능 랜덤 포레스트의 기본 구성 요소 6.1 결정 트리 학습과 시각화¶ In [1]: from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClassifier #붓꽃 데이터셋 불러오기 iris = load_iris() #길이와 너비 데이터 사용 X = iris.data[:,2:] y=iris.target tree_clf = DecisionTreeClassifier(max_depth = 2) tree_clf.fit(X,y) Out[1]: DecisionTreeClassifier(max_depth=2) In [3]: from sklearn.t..

서포트 벡터 머신¶(5.1) 선형 SVM 분류¶선형 SVM 분류는 적절하면서도 훈련 샘플에서 가능한 한 멀리 떨어지도록 하는 결정 경계를 고른다.¶LMC large margin classification → **LMC large margin classification** **서포트 벡터** : 결정 경계를 결정하는 샘플 - (5.1.1) 소프트 마진 분류 → 하드 마진 분류 : 모든 샘플이 도로 바깥쪽에 분류된 경우 (-) 반드시 데이터가 선형적이어야 함 (-) 이상치에 민감 → 소프트 마진 분류 : 보다 유연한 모델 : 도로의 폭을 넓게 유지하면, 일반화가 용이하나 margin violation이 증가하고 : 반대의 경우에는 이상치에 민감하게 된다. : 하이퍼파라미터 : 도로의 폭을 넓게 유지한다. 마..

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

OAZ

Working with real data popular sites 1. UCI Machine Learning Repository 2. Find Open Datasets and Machine Learning Projects | Kaggle 3. Registry of Open Data on AWS 2.2 큰 그림 보기 데이터 : 캘리포니아 인구조사 데이터(인구, 중간소득, 중간주택가격 등)목표 : 구역의 중간 주택 가격 예측하기 2.2.1. 문제 정의Q1. 비즈니스의 목적이 무엇인가? 2.3.데이터 가져오기 jupyter 노트북 사용하기 시작한다.housing.tgz라는 single file을 다운로드 받은 것임.housing.csv로 train tgz를 압축 풀기하기 위해 함수를 하나 만들게 된다.1) d..