(방울)도마토의 개발일지

ML(Machine Learning)인간의 판단 능력을 확장하여 인간이 더욱 빠르고 정확하게 결정할 수 있게 돕는 도구 Model and LearningModel : ‘판단력’의 또다른 이름 → 모델이 좋아야 더 좋은 추측이 가능Learning : 모델을 만드는 과정 TabularColumn(열)과 Row(행)으로 이루어진 데이터 셋 Independent variable and Dependent variable 표에서 변수는 ‘열’을 의미함 온도가 높을 수록 판매량이 높아짐 → 온도: 독립변수, 판매량: 종속변수판매량으로 인해 온도가 달라지지 않음..! → 원인은 독립적, 결과는 종속적   상관관계 : 한 쪽의 값이 바뀌었을 때, 다른 쪽의 값이 바뀜 → 두 개의 특성은 ‘서로 관련이 있다’인과관계 : ..

ML 2024. 8. 11. 00:51

1. Random Forest- Bagging을 활용하여 여러 개의 Decision Trees를 결합한 Ensemble Learning 기법  (1) 부트스트랩 샘플링(Bootstrap Sampling) : 원본 데이터셋에서 랜덤하게 샘플을 여러 번 추출, 샘플은 중복 추출이 가능(2) 특성 무작위 선택 : 각 의사결정나무를 학습시킬 때, 모든 특성을 사용하는 것이 아니라 일부 특성만 무작위로 선택하여 학습→ 나무들 사이의 상관관계를 줄이고, 다양성을 증가(3) 나무 생성 : 각각의 부트스트랩 샘플과 무작위로 선택된 특성을 사용하여 의사결정나무를 학습(4) 결과 취합 : 모든 의사결정나무의 예측을 취합하여, 가장 많이 등장하는 클래스(분류) 또는 평균(회귀)을 최종 예측 결과로 사용 1) 장점 - 높은 ..

ML 2024. 7. 8. 00:59

1. Classification(분류)- 항목을 미리 정의된 카테고리나 클래스로 할당하는 데 사용- 지도 학습 방식(Supervised learning) : 레이블이 있는 데이터셋을 사용하여 모델을 학습  # 작동 방식 (1) 학습 요소 - 데이터 셋 : features(입력 변수)과 레이블(출력 카테고리)- 모델 : 학습 데이터에서 패턴을 찾아 특징과 레이블 간의 관계 학습- 알고리즘     - 로지스틱 회귀(Logistic Regression)    - 나이브 베이즈(Naive Bayes)    - 의사결정 나무(Decision Tree)    - K-최소 근접(K-Nearest Neighbor, KNN)    - 서포트 벡터 머신(SVM)    - 심층 신경망(Deep Neural Networks)..

ML 2024. 7. 7. 23:52