본문 바로가기

하루공부

(37)

제 26장 📗JAVA☕ 기초 다루기📗 자바실행전 이클립스 다운로드 받기 https://www.eclipse.org/downloads/ Eclipse Downloads | The Eclipse Foundation The Eclipse Foundation - home to a global community, the Eclipse IDE, Jakarta EE and over 415 open source projects, including runtimes, tools and frameworks. www.eclipse.org ☕자바?? JAVA란 무엇일까?? 프로그래밍 언어는 기계어, 어셈블리어, 고급언어로 나눌수가 있는데 그중 고급언어에 속한다 동료로는 Pascal, Basic, C/C++, C# 등이 있겠다. 자바를 사용하는 이유는 컴퓨터가 소스..

제 24장📕ML_LightGBM📕 lightGBM(Gradient Boosting Model)은 무엇이냐? 머신러닝의 앙상블 기법에는 배깅(bagging)과 부스팅(boosting)이 있습니다 부스팅 기법에 해당하는 것이 XGBoost인데 높은 성능을 가지지만 그리드 서치를 이용하여 하이퍼 파라미터 튜닝을 하는데 많은 시간과 메모리를 소모하게 됩니다. 그 점을 보완한 것이 lightGBM이라고 생각하면 됩니다 빠른 시간과 적은 메모리를 소모하게 됩니다. 원리는 밑의 사진을 통해 설명드릴게요 lightGBM은 기존의 boosting 알고리즘과는 다르게 작동합니다 기존 boosting 모델들은 Level-wise 하게 늘어나는 방법을 사용하는 방면에 lightGBM 같은 경우에는 Leaf-wise형태로 늘어납니다. level wise = 트..

제 23장📕ML_로지스틱 회귀(Logistic Regression)📕 😊로지스틱 회귀란?? 로지스틱 회귀(Logistic Regression)는 데이터가 어떤 범주에 속할 확률을 0~1 사이의 값으로 예측하고 그 확률에 따라 가능성이 더 높은 범주에 속하는 것으로 분류해주는 지도 학습 알고리즘이다. 선형 회귀를 이해했다면 가장 이해하기 쉬운 개념이다 선형회귀 - 로지스틱회귀 순으로 학습을 하는게 효율적이다 2개의 그룹,범주중에 하나에 속한다고 결정짓는것을 2진분류 라고한다. 대표적인 예시로 성별, 성공 여부, 합격/불합격, 양성/음성 등이 있다. https://kmbeach.tistory.com/36 제 22장📕ML_선형회귀(Linear Regression)📕 🤔 선형 회귀란 무엇인가? ▶ 독립변수와 종속변수 간에 직선식의 형태가 있음을(선형관계라고 함) 가정하여 최적의 ..

제 22장📕ML_선형회귀(Linear Regression)📕 🤔 선형 회귀란 무엇인가? ▶ 독립변수와 종속변수 간에 직선식의 형태가 있음을(선형관계라고 함) 가정하여 최적의 선을 그어 예측을 하기 위한 방법 ▶ 머신러닝에서는 Loss(손실) 을 최소화하는 선을 찾아서 모델을 만들어낸다 ▶ 수식을 도출하기 쉬움으로 해석이 매우 직관적인것이 특징이다. 예시) 귀뚜라미는 더울때 더 많이 운다. 💸 Loss(손실) 줄여보기 위 그래프를 보면 최대 4거리 만큼의 Loss가 나는데 이를 최소화 하기 위해 경사하강법을 사용하는데 이러한 수식을 MSE(Mean Square Error) "평균 제곱 오차" 라고 한다 또 더 정밀한 값을 뽑기 위해서 MSE 전체에 루트를 씌운 RMSE(벡터의 거리를 구하는 개념)를 사용하기도 한다. 보편적으로는 간편한 MSE를 사용한다. 💡 핵심,..

🚩재미로 올리는 왕초보 Data Analysis(데이터 분석) 쉬운 예시 거대한 인터넷속 웹페이지 공간 = 바다 처럼 광할한 공간이라 예를 들겠습니다. crowling = 데이터를 추출하는 작업 => Fishing(낚시) 물고기 = 데이터 : 라고 생각해봅니다. 날 것의 생선 or 무엇인가를 획득했다면 사용,혹은 먹기 위해 가공을 해야합니다. 추출한 날것의 데이터(Data) 날것의 데이터를 손질(가공) 하는 과정을 데이터 전처리(preprocessing) 가공된(손질된) 데이터를 예쁘게 Decoration 하는게 data visualization(데이터 시각화) 이렇게 예를들어 보면 매우 쉽습니다. 개인적인 생각입니다

제 21장📕ML_RandomForest📕 🌲 정의 (RandomForest) 결정 트리의 단점을(오버피팅) 보완시켜준 상위 모델 랜덤으로 생성한 많은 나무로 이루어져 예측을 하기 때문에 마치 숲처럼 보이기 때문에 이름이 Random Forest라고 불린다. 🎯 핵심 ※ 앙상블 기법 강력한 하나의 모델을 사용하는 대신 보다 약한 모델 여러 개를 조합하여 더 정확한 예측에 도움을 주는 방식 랜덤 포레스트는 앙상블 기법을 사용한 트리 모델 중 하나이며 가장 많은 비중을 차지한다 부스팅 모델보다는 속도, 예측력 면에서는 못 미치지만 시각화가 매우 뛰어나 먼저 이해도를 키워야 한다. 종속변수가 연속형/범주형 데이터인 경우에도 모두 사용 가능하다. 아웃라이어(이상치)가 문제 될 시 좋은 대안이 되는 모델이다. 결정 트리로 오버 피팅이 일어 날씨 사용하면 ..

제 20장📕ML_결정 트리(Decision Tree)📕 결정 트리(Decision Tree)❓❓❓ • 관측값과 목푯값을 연결시켜주는 예측 모델, 나무 모양으로 데이터를 분류함 • 수많은 트리 기반 모델의 기본 모델(based model)이 되는 중요 모델 • VS 선형 모델 : 선형 모델이 각 변수에 대한 기울기 값들을 최적화하여 모델을 만들어 나갔다면, 트리 모델에서는 각 변수의 특정 지점을 기준으로 데이터를 분류 해가며 예측 모델을 만듦 - 종속변수가 연속형 데이터와 범주형 데이터 모두에 사용할 수 있음 - 모델링 결과를 시각화할 목적으로 가장 유용 - 아웃라이어가 문제 될 정도로 많을 때 선형 모델보다 좋은 대안이 될 수 있다. - 데이터를 무수하게 쪼개어 나가고, 각 그룹에 대한 예측치를 만들어내는 방식 ex) 남자/여자로 나눠서 각 목푯값, 평균치를..

제 19장📕ML_Naive Bayes📕 나이브 베이즈(Naive Bayes) 베이즈 정리를 적용한 조건부 확률 기반의 분류 모델 조건부 확률 : X가 일어났을 때 Y가 일어날 확률을 의미 ex) '무료'라는 단어가 들어 있을 때 해당 메일이 스팸을 확률 스팸 필터링을 위한 대표적인 모델 범용성이 높지는 않지만 독립변수들이 모두 독립적이라면 유의미하다. 딥러닝을 제외하고 자연어 처리에 가장 적합한 알고리즘 각 독립변수들이 모두 독립적이고 그 중요도가 비슷할 때 유용함 자연어 처리(NLP)에서 간단하지만 좋은 성능을 보여줌 범주 형태의 변수가 많을 때 적합하며, 숫자형 변수가 많은 때는 적합하지 않음 ✔ 장점 비교적 간단한 알고리즘에 속하며 속도 또한 빠름 작은 훈련셋으로도 잘 예측한다. 🛑 단점 모든 독립변수가 각각 독립적임을 전제 독립변수들이..

이전 1 2 3 4 5 다음

티스토리툴바