๋ณธ๋ฌธ ๋ฐ”๋กœ๊ฐ€๊ธฐ

728x90

์ง€๋„ํ•™์Šต

10/11 ํ™” 1. ๋จธ์‹ ๋Ÿฌ๋‹ ์ž‘์—… ์ˆœ์„œ ๋ฐ ํ•™์Šต ๋ฐฉ๋ฒ• ๋ณ„ ๋Œ€ํ‘œ์ ์ธ ์•Œ๊ณ ๋ฆฌ์ฆ˜๋“ค 2. GridSearchCV ๊ต์ฐจ ๊ฒ€์ฆ๊ณผ ์ตœ์  ํ•˜์ดํผ ํŒŒ๋ผ๋ฏธํ„ฐ ํŠœ๋‹์„ ํ•œ ๋ฒˆ์— from sklearn.model_selection import GridSearchCV X_train, X_test, y_train, y_test = train_test_split(iris_data.data, iris_data.target, test_size = 0.2, random_state = 121) dtree = DecisionTreeClassifier() # max_depth = ๊ฒฐ์ • ํŠธ๋ฆฌ์˜ ์ตœ๋Œ€ ๊นŠ์ด, min_samples_splits = ์ž์‹ ๊ทœ์น™ ๋…ธ๋“œ๋ฅผ ๋ถ„ํ• ํ•ด ๋งŒ๋“ค๊ธฐ ์œ„ํ•œ ์ตœ์†Œํ•œ์˜ ์ƒ˜ํ”Œ ๋ฐ์ดํ„ฐ ๊ฐœ์ˆ˜ parameters = {'max_depth':[1,.. ๋”๋ณด๊ธฐ
3/28 ์›” ์›”์š”์ผ! ๊ธˆ์š”์ผ์— ์ด์–ด ๋จธ์‹ ๋Ÿฌ๋‹ ๋“ค์–ด๊ฐ„๋‹ค~ Weak AI์˜ ๋จธ์‹ ๋Ÿฌ๋‹ ๊ธฐ๋ฒ•๋“ค : ์ง€๋„ ํ•™์Šต, ๋น„์ง€๋„ ํ•™์Šต, ๊ฐ•ํ™” ํ•™์Šต 1. Regression(ํšŒ๊ท€) : ๋ฐ์ดํ„ฐ์— ์˜ํ–ฅ์„ ์ฃผ๋Š” ์กฐ๊ฑด๋“ค์˜ ์˜ํ–ฅ๋ ฅ์„ ๊ณ ๋ คํ•ด์„œ, ๋ฐ์ดํ„ฐ์— ๋Œ€ํ•œ ์กฐ๊ฑด๋ถ€ ํ‰๊ท ์„ ๊ตฌํ•˜๋Š” ๊ธฐ๋ฒ• * ํ‰๊ท ์„ ๊ตฌํ•  ๋•Œ ์ฃผ์˜ํ•ด์•ผ ํ•  ์  : ํ‰๊ท ์„ ๊ตฌํ•˜๋Š” ๋ฐ์ดํ„ฐ์— ์ด์ƒ์น˜๊ฐ€ ์žˆ์„ ๊ฒฝ์šฐ ๋Œ€ํ‘œ๊ฐ’์œผ๋กœ ์‚ฌ์šฉํ•˜๊ธฐ ์–ด๋ ค์›€. ์ •๊ทœ๋ถ„ํฌ์—ฌ์•ผ ํ•จ! ๊ณ ์ „์  ์„ ํ˜• ํšŒ๊ท€ ๋ชจ๋ธ(Classical Linear Regression Model) ๋‹จ์ˆœ ์„ ํ˜• ํšŒ๊ท€(Simple Linear Regression) import numpy as np import pandas as pd import matplotlib.pyplot as plt df = pd.DataFrame({'๊ณต๋ถ€์‹œ๊ฐ„(x)': [1,2,3.. ๋”๋ณด๊ธฐ
3/24 ๋ชฉ ๋ชฉ์š”์ผ! ๊ธฐ์ˆ ํ†ต๊ณ„๋ฅผ ์ด์–ด์„œ ๋ฐฐ์šด๋‹ค. ๊ธฐ์ˆ ํ†ต๊ณ„๊ฐ€ ๋๋‚˜๋ฉด ์ถ”๋ฆฌํ†ต๊ณ„(ํ†ต๊ณ„๋ถ„์„. ์ถ”์ธก. ์ „์ˆ˜์กฐ์‚ฌ, ๋ชจ์ง‘๋‹จ)๊ฐ€ ์ˆ˜์ˆœ์ด์ง€๋งŒ ๋ฉ€์บ ์—์„œ ๋ฐฐ์šฐ์ง€๋Š” ์•Š๋Š”๋‹ค! 1์ฐจ์› ๋ฐ์ดํ„ฐ์˜ ํŠน์ง• ํŒŒ์•… - ์ˆ˜์น˜์ง€ํ‘œ → ๋Œ€ํ‘œ๊ฐ’ : ํ‰๊ท , ์ค‘์œ„๊ฐ’, ์ตœ๋Œ€/์ตœ์†Œ๊ฐ’, ํŽธ์ฐจ, ๋ถ„์‚ฐ, ํ‘œ์ค€ํŽธ์ฐจ... - ์‹œ์ž‘์  ํ‘œํ˜„ → ๋„์ˆ˜๋ถ„ํฌํ‘œ, Histogram, Box plot 2์ฐจ์› ๋ฐ์ดํ„ฐ์˜ ํŠน์ง• ํŒŒ์•… - ์ˆ˜์น˜์ง€ํ‘œ → ๊ณต๋ถ„์‚ฐ, ์ƒ๊ด€๊ณ„์ˆ˜ - ์‹œ์ž‘์  ํ‘œํ˜„ → Scatter 2์ฐจ์› ๋ฐ์ดํ„ฐ์˜ ์ˆ˜์น˜์ง€ํ‘œ → ๊ณต๋ถ„์‚ฐ, ์ƒ๊ด€๊ณ„์ˆ˜ 1. ๊ณต๋ถ„์‚ฐ(covariance) : ๋‘ ํ™•๋ฅ ๋ณ€์ˆ˜ ์‚ฌ์ด์˜ ์ƒ๊ด€ ์ •๋„ import numpy as np import pandas as pd df = pd.read_csv('./data/student_scores_em.csv', index_col='stu.. ๋”๋ณด๊ธฐ
1/1 ํ†  ์„ฑ๊ณผ • ์ƒํ™œ์ฝ”๋”ฉ ๋ฐ์ดํ„ฐ ๊ณผํ•™_๋จธ์‹ ๋Ÿฌ๋‹1 : ์˜ค๋Š˜ ์ตํžŒ ๊ตฌ์กฐ์™€ ๊ฐœ๋…๋“ค์„ ๋‚˜์—ดํ•˜์ž๋ฉด ๋จธ์‹ ๋Ÿฌ๋‹์ด๋ž€? ๊ฟˆ ๊ถ๋ฆฌํ•˜๋Š” ์Šต๊ด€ ๋จธ์‹ ๋Ÿฌ๋‹์€ ์›๋ฆฌ๋ฅผ ์ด์šฉํ•ด์„œ ์ˆ˜ํ•™๊ณผ ์ฝ”๋”ฉ์œผ๋กœ ๋งŒ๋“ค์–ด์ง„ ๊ฒƒ Teachable Machine ๋ชจ๋ธ(ํŒ๋‹จ๋ ฅ)์ด ๋จธ์‹ ๋Ÿฌ๋‹์˜ ํ•ต์‹ฌ, https://teachablemachine.withgoogle.com/ ๋ชจ๋ธ Model ๋ชจ๋ธ์„ ๋งŒ๋“œ๋Š” ๊ณผ์ •์€ ํ•™์Šต(Learning) ๋จธ์‹ ๋Ÿฌ๋‹๋จธ์‹  http://ml-app.yah.ac/(Teachable Machine์—์„œ ์ƒ์„ฑํ•œ ๋ชจ๋ธ์„ ์ด์šฉํ•ด์„œ ์• ํ”Œ๋ฆฌ์ผ€์ด์…˜์„ ๋งŒ๋“ค์–ด์ฃผ๋Š” ์„œ๋น„์Šค) ๋‚˜๋„ ์ด์ œ ํ”„๋กœ๊ทธ๋ž˜๋จธ ๋ชจ๋ฅด๋ฉด ๋งˆ๋ฒ•, ์•Œ๋ฉด ๊ธฐ์ˆ  ์‚ฌ๋ฌผ ์ธํ„ฐ๋„ท(IoT; Internet of Things) ๊ต์–‘์˜ ๋ ์ง์—…์˜ ์‹œ์ž‘ ํ˜„์‹ค์„ ๋ฐ์ดํ„ฐ๋กœ ํ‘œํ˜„ํ•  ์ˆ˜๋งŒ ์žˆ๋‹ค๋ฉด, ์ปดํ“จํ„ฐ์˜ ์—„์ฒญ๋‚œ ํž˜์œผ๋กœ ๋ฐ์ดํ„ฐ๋ฅผ ์ฒ˜๋ฆฌํ• .. ๋”๋ณด๊ธฐ

728x90