Ml

모델, 예측, 해결 이제 우리는 모델을 훈련시키고 필요한 해결책을 예측할 준비가 되었다. 우리가 선택할 수 있는 60개 이상의 예측 모델링 알고리즘이 있다. 우리는 우리가 평가할 수 있는 선택된 몇 개의 모델로 좁혀지는 문제와

데이터 가공 앞서 데이터 세트와 요구사항에 대해서 몇 가지 가정을 확인헀다. 지금까지 데이터의 패턴을 파악하기 위해서 차트를 만들었지만 데이터를 변경할 필요는 없었다. 이제는 일반 데이터에서 보이지 않는 패턴을 확인하고 모델에 사용하기 위해서 데이터를

데이터 분석 강좌 train_df.info() print('_'*40) test_df.info() 표본에 대한 숫자형 값의 분포는? 우리가 케글에서 내려받은 데이터를 기반으로 학습 데이터가 전체 데이터를 대포하는 좋은 교육 데이터 세트인지 파악할 필요가 있다. 먼저 숫자형 데이터를 살펴본다. 총

타이타닉 케글에서 전통적인 예제인 타이타닉 문제를 상세한 튜토리얼과 함께 올렸다. 케글 경진 대회 타이타닉 튜토리얼 강좌를 기반으로 타이타닉 데이터에서 생존자를 예측하는 문제를 해결해본다. 목표 타이타닉 침몰은 역사상 가장 악명 높은 난파선 중 하나입니다.

머신러닝 최적화 Overshooting 경사 하강법을 사용하면서 우리는 조금 조금씩 아래로 내려오면서 수렴하는 지점을 찾아 나간다. 근데 만약 learning rate 값이 너무 크면 수렴하는 지점을 넘어가게 된다. 아래와 같이 learning rate가 너무 커 수렴값을

분류(Classification) 프로젝트 지도학습 (supervisor learning)의 문제 해결 방법은 2가지가 있다. 회귀 분류 앞서 선형 회귀를 통해서 다수의 입력으로 다수의 예측 결과를 가져오는 방법까지 학습했다. 여기서 더 나아가야 할 부분은 선형으로 표현할 수 있는

회귀 프로젝트 [텐서플로우2] - 마라톤 남은 기록 예측 모델 만들기 앞서 마라톤 데이터를 가져와 텐서플로우 1을 사용해 선형 회귀를 구현한 모델이 있었다. tensorflow 1 linear regression 이제 여기서 learning 부분을 수정해본다. 기존 learning

텐서플로 사용하기 강좌 텐서플로(Tensorflow) 소개 tensorfow는 머신러닝 플랫폼으로 다른 플랫폼으로 케라스도 있지만 tensorflow 2.0으로 들어가며 케라스가 깊게 연관되어 힘들게 케라스를 사용하기 더 쉽게 되었다. 이 강의에서는 텐서 플로우 1.0과 2.0 다 다룬다. 다행히

pandas 판다스 강의를 기반으로 판다스 사용법을 적는다. https://www.inflearn.com/course/pandas-팬더스-데이터분석-기초# https://github.com/minsuk-heo/pandas 개발 환경 Jupyter Notebook을 사용해서 학습 https://brunch.co.kr/@mapthecity/16 를 보고 설치 터미널에서 폴더로 이동해 jupyter notebook을 치면 브라우저가 열림 원래 Atom을 사용했지만, 여기 강의에서 이걸

머신러닝 문제해결 토끼와 거북이가 알려주는 회귀 회귀는 연속된 데이터를 가지고 가설을 만드는 방법인데, 그 중 선형 회귀는 1차 방정식을 만드는 학습 방법 아래와 같이 시간당 토끼의 이동 거리와 거북이의 이동 거리에 대한 데이터가