본문 바로가기

머신러닝/혼자 공부하는 머신러닝

11강 로지스틱 회귀로 와인 분류하기 & 결정 트리
머신러닝/혼자 공부하는 머신러닝 2021. 7. 7. 11강 로지스틱 회귀로 와인 분류하기 & 결정 트리 이 글은 https://www.youtube.com/watch?v=tOzxDGp8rsg&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=11 보고 공부한 글입니다. 지난 시간에 손실함수 - 모델이 얼마나 실수하는지 손실함수는 낮을 수록 좋다. 분류에서는 손실함수를 로지스틱 함수로 쓴다. 레드 와인과 화이트 와인 캔안에 든 음료가 레드인지 화이트 인지 알아보자. 알코올, 당도, ph만 알고 알아보자. 화이트와인: 양성(1) 레드와인: 음성(0) 데이터 준비하기 wine = 데이터 프레임 info()는 데이터의 타입, 데이터 프레임의 크기를 알려준다. Non-null count은 알코올에 누락된 값이 1개 있다면 6496이 될것이다. 즉, 널이 있다는 것은 빈 자료가 있다는..
10강 확률적 경사 하강법 알아보기
머신러닝/혼자 공부하는 머신러닝 2021. 7. 6. 10강 확률적 경사 하강법 알아보기 이 글은 https://www.youtube.com/watch?v=A1UUnfijQfQ&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=10 보고 공부한 글 입니다. 지난시간에 선형 함수의 z 값을 시그모이드 함수에 넣어서 확률을 구한다. z값만 가지고 예측을 해볼 수 있다. 이렇게 판단하는것이 decission_function이다. 선형 함수의 z값만 보고 판단한다. 0.5> 이면 양성, 0.5 미만이면 음성 decission_function을 사용하는 것이 predict 함수 이다. 바로 확률을 예측해준다. 사실 이진분류일 때 z함수가 1개만 계산이 된다. 양성일 경우 함수만 계산을 한다. 음성은 z값을 시그모이드 함수에 넣고 결과값에 1을 빼면 음성 클래스의 확률이..
9강 로지스틱 회귀 알아보기
머신러닝/혼자 공부하는 머신러닝 2021. 7. 5. 9강 로지스틱 회귀 알아보기 이 글은 https://www.youtube.com/watch?v=pO27UnTsYQU&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=9 보고 공부한 글 입니다 4장 분류모델을 공부해보자. 지난 시간에 선형회귀에서 특성을 많이 넣으면 과대적합이 된다. 그것을 억제하기 위해서 규제라는 것을 사용한다. 럭키 백 (스토리) 럭키 백에 있는 생선을 사려고한다. 럭키백에 확률이 있다. 도미일 확률이 몇%이다 라는것은 안다뤘다. 숫자를 예측하는 것이니 회귀아닐까? 아니다 분류이다. 도미인지 빙어인지 분류하면서 이 샘플이 도미인지 확신하는 것이다. 이것을 확률로 보여준다. 확률 계산하기 특성: 길이, 높이, 대각선, 두께 x 샘플을 보면 세모가 5개 있으니 10개중에 5개가 있으니..
8강 특성 공학과 규제 알아보기
머신러닝/혼자 공부하는 머신러닝 2021. 7. 4. 8강 특성 공학과 규제 알아보기 이 글은 https://www.youtube.com/watch?v=PLECEclz0p4&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=8 보고 공부한 글입니다. 지난 시간에 50cm농어의 무개를 찾으려고 k-최근접 이웃을 사용하니 범위 밖에 값을 예측하기 힘들다. 그래서 선형 회귀 모델을 사용했다. 특성 1개만 사용하면 x축과 y축을 사용한 1개의 직선 방정식만 나오게 된다. 다중회귀 multiple regression, multinamial(다항) 여러개의 변수를 사용하는 회귀 우리는 길이 특성만 사용했었다. 이제는 높이, 두께 데이터를 사용해 본다. 이러면 산점도(그래프) 를 그릴 수 없다. 판다스로 데이터 준비 판다스란? 파이썬 과학 라이브러리 핵심 객체는 데이터..
7장 사이킷런으로 선형 회귀 모델 만들어 보기
머신러닝/혼자 공부하는 머신러닝 2021. 7. 3. 7장 사이킷런으로 선형 회귀 모델 만들어 보기 이 글은 https://www.youtube.com/watch?v=xkknXJeEaVA&list=PLVsNizTWUw7HpqmdphX9hgyWl15nobgQX&index=7 보고 공부한 글입니다. 지난 시간에 배운 것이다. 회귀는 임의의 어떤 숫자를 예측하는 것이다. 물고기의 종류를 묻는 것이 아닌 무게를 보는 것이다. k-최근접 이웃 회귀 알고리즘을 썻다. 회귀에서 타겟의 값은 임의의 숫자가 된다. 타겟과 예측값의 차이로 결과를 낸다. k-최근접 이웃 회귀 문제가 있다! 50cm 농어를 넣었는데 1033g 인 무개가 나왔다. 근데 알고보니 1.5kg 이다! 왜 이런 문제가 나올까? 50의 이웃의 인덱스를 구한다. -> 그래프에 그린다. 예를 들어 100cm인 큰 생선도 최대값이 40cm가 이웃이다. k..
6강 회귀 문제를 이해하고 k-최근접 이웃 알고리즘으로 풀어 보기
머신러닝/혼자 공부하는 머신러닝 2021. 7. 2. 6강 회귀 문제를 이해하고 k-최근접 이웃 알고리즘으로 풀어 보기 이 글은 https://www.youtube.com/watch?v=0mrLRkgbjA0 보고 공부한 글 입니다. 지난시간에 수상한 도미의 최근접 이웃을 찾아봤다 스케일을 맞춰서 그래프를 그려보니 최근접이 달라졌다. 이제부터 회귀를 배워보자 분류는 도미와 빙어를 구분하는 것이다. 회귀는 임의의 숫자를 예측하는 것이다. 결과는 임의의 실수 이다. 회귀(regression) 이진 분류에서 타깃을 0, 1로 만들었었다. 예측하는 것이 임의의 숫자이니 타깃은 숫자가 된다. 3장에서는 높이, 두께를 고려하지 않고 길이만 가지고 예측해본다. k-최근접 이웃 회귀 분류할 때 사각형이 2개 있으니 사각형이라 예측한다. 회귀는 주변에 가까운걸 찾는다. 각각 타겟값을 가지고 있을 탠데 평균값으로 결과를 낸다. 농어의 길이만..
5강 정교한 결과 도출을 위한 데이터 전처리 알아보기
머신러닝/혼자 공부하는 머신러닝 2021. 7. 1. 5강 정교한 결과 도출을 위한 데이터 전처리 알아보기 https://www.youtube.com/watch?v=kaCJ-knm8KU&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=5 보고 공부한 글입니다. 지난 시간에 배운 것들이다. 찾고자 하는대상 -> 양성 클래스 (1) 찾고자 하는 대상이 아닌것 -> 음성 클래스 (0) 으로 타겟 데이터를 만든다. 나는 누구인가? 데이터 상으로는 빙어이다. 넘파이로 데이터 준비 numpy의 column_stack을 사용한다. fish_length를 1열에, fish_weight를 2열에 넣어서 2차원 배열을 만든다. low_stack도 있는데 열방향으로 쌓아준다. numpy의 함수 ones(갯수), zeros(갯수)로 만들 수 있다. 그것들을 concatenate()로 배열을 만든다..
4강 훈련 세트와 테스트 세트로 나누어 사용하기
머신러닝/혼자 공부하는 머신러닝 2021. 6. 30. 4강 훈련 세트와 테스트 세트로 나누어 사용하기 https://www.youtube.com/watch?v=o9kGDpZbmx0&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=4 보고 공부한 내용입니다. 저번시간에 배운 k-최근접 이웃은 규칙보다는 훈련데이터에 따라 예측클래스로 삼는 것이다. (= 정답을 모두 가지고 있는 것이다.) score 매소드에서 테스트 데이터를 사용해보자! 테스트 데이터를 따로 준비하기 전에 머신너링 알고리즘 3가지 알아보자 지도학습 - 타겟 데이터가 있는것(정답 있는 것) 비지도학습 - 타겟데이터가 없는, 입력만 가지고 있을 때(정답이 없을 때) ex)특성을 줄일 때, 비슷한 샘플을 모을 때 강화학습 - 모델이 행동을 수행한 다음에 주변에 환경에서 행동을 피드백받아서 발전해나가는 것 훈련 세..
3강 마켓과 머신러닝
머신러닝/혼자 공부하는 머신러닝 2021. 6. 29. 3강 마켓과 머신러닝 이 글은 https://www.youtube.com/watch?v=GOCVVSMeIf8&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=3 보고 공부한 글 입니다. 전체 로드맵이다. 머신러닝 모델을 만든다는 것은 무엇인가? 머신러닝 프로그램을 만든다는 것이다. 머신러닝의 샘플 종류를 뜻할 때 클래스라고한다. 뭔가 구분하는 작업을 분류라고 한다. 2개를 분류한다면 이진분류라고 한다. 각각의 데이터를 샘플, 특성, 속성, 관측이라고 부른다. 산점도(scatter plot) 위와 같은 그래프를 산점도라고 한다. 파이썬에서 그래프를 그리는 가장 대표적인 라이프러리 matplotlib import matplotlib.pyplot as plt 라고 plt 로 대부분쓴다. plt.s..

티스토리툴바