혼자공부하는 머신러닝 + 딥러닝 (12) 썸네일형 리스트형 Chapter04. 다양한 분류 알고리즘 (https://bit.ly/hg-04-1) (https://bit.ly/hg-04-2) Chapter04 다양한 분류¶알고리즘 (럭키백의 확률을 계산하라!) 학습목표 로지스틱 회귀, 확률적 경사 하강법과 같은 분류 알고리즘을 배운다. 이진 분류와 다중 분류의 차이를 이해하고 클래스별 확률을 예측한다. 04-1 로지스틱 회귀¶ 핵심키워드 로지스틱 회귀 다중 분류 시그모이드 함수 소프트맥스 함수 로지스틱 회귀 알고리즘을 배우고 이진 분류 문제에서 클래스 확률를 예측한다. 럭키백의 확률¶럭키백은 구성품을 모른 채 먼저 구매하고, 배송받은 다음에야 비로소 구성품을 알 수 있는 상품이다. 책의 예제를 보자. 럭키백에 들어갈 수 있는 생선은 7개라고 알려 주었다. 이 이벤트를 잘 마치려면 럭키백에 들어간 생선의 .. Chapter03.회귀 알고리즘과 모델 규제 (https://bit.ly/hg-03-1) (https://bit.ly/hg-03-2) (https://bit.ly/hg-03-3) K-최근접 이웃 회귀¶ 핵심키워드 회귀 k-최근접 이웃 회귀 결정계수 과대적합과 과소적합 지도 학습의 한 종류인 회귀 문제를 이해하고 k-최근접 이웃 알고리즘을 사용해 농어의 무게를 예측하는 회귀 문제를 풀어 보자. k-최근접 이웃 회귀¶지도 학습 알고리즘은 크게 분류와 회귀(regression)으로 나뉜다. 분류는 2장에서 다루었다. 말 그대로 샘플을 몇 개의 클래스 중 하나로 분류하는 문제이다. 회귀는 클래스 중 하나로 분류하는 것이 아니라 임의의 어떤 숫자를 예측하는 문제이다. 예를 들면 내년도 경제 성장률을 예측하거나 배달이 도착할 시간을 예측하는 것이 회귀 문제이.. Chapter 02 데이터 다루기 (훈련세트와 테스트 세트 / 데이터 전처리) (https://bit.ly/hg-02-2) Chapter 02 데이터 다루기 (수상한 생선을 조심하라!)¶ 학습목표 머신러닝 알고리즘에 주입할 데이터를 준비하는 방법을 배운다. 데이터 형태가 알고리즘에 미치는 영향을 이해한다. 02-1 훈련 세트와 테스트 세트¶ 핵심키워드 지도학습, 비지도 학습, 훈련세트, 테스트 세트 지도 학습과 비지도 학습의 차이를 배운다. 모델을 훈련시키는 훈련 세트와 모델 평가하기 위한 테스트 세트로 데이터를 나눠서 학습해본다. 지도 학습과 비지도 학습¶머신러닝 알고리즘은 크게 지도 학습 supervised learning과 비지도 학습 unsupervised learning 으로 나눌 수 있다. 지도 학습 알고리즘은 훈련하기 위한 데이터와 정답이 필요하다. '마켓과 러닝머신'.. Chapter01. 인공지능과 머신러닝, 딥러닝 / 마켓과 머신러닝 생선예제 (https://bit.ly/hg-01-3) Chapter 01. 나의 첫 머신러닝¶ 학습목표 인공지능, 머신러닝, 딥러닝 차이점을 이해한다. 구글 코랩 사용법을 배운다. 첫 번째 머신러닝 프로그램을 만들고 머신러닝의 기본 작동 원리를 이해한다. 01-1 인공지능과 머신러닝, 딥러닝¶이번 절에서는 인공지능, 머신러닝, 딥러닝이 무엇인지 알아보고 그 차이를 살펴본다. 인공지능이란 인공지능(artificial intelligence)은 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술이다. 인공지능의 역사는 약 80년 남짓 되었지만 인류는 훨씬 더 오래전부터 지능적인 시스템을 생각했다. 많은 과학자가 참여한 1956년 다트머스 AI 컨퍼런스에서는 인공지능에 대한 장밋빛 전망이 최고조.. 이전 1 2 다음