๋ณธ๋ฌธ ๋ฐ”๋กœ๊ฐ€๊ธฐ

728x90

ScikitLearn

10/12 ์ˆ˜ 1. LogisticRegression sklearn.linear_model ์‚ฌ์ดํ‚ท๋Ÿฐ์˜ ML ์•Œ๊ณ ๋ฆฌ์ฆ˜ ๋ชจ๋“ˆ ์•ˆ์˜ ๋กœ์ง€์Šคํ‹ฑ ํšŒ๊ท€๋ฅผ ์‚ฌ์šฉํ•  ๋•Œ ๋ชจ๋ธ ์ตœ์ ํ™”๋ฅผ ์œ„ํ•ด ๋ถ€์—ฌํ•  ์ˆ˜ ์žˆ๋Š” ์˜ต์…˜๋“ค์ด ์žˆ๋‹ค. max_iter๋Š” ๊ธฐ๋ณธ 100์œผ๋กœ ์„ค์ •๋˜์–ด ์žˆ๋Š”๋ฐ, ๊ฐ„ํ˜น ๋ฐ˜๋ณต ํšŸ์ˆ˜๊ฐ€ ์ ๋‹ค๋Š” ๊ฒฝ๊ณ (ConvergenceWarning: lbfgs failed to converge (status=1))๊ฐ€ ๋œฐ ๋•Œ solver(์ตœ์ ํ™”์— ์‚ฌ์šฉํ•  ์•Œ๊ณ ๋ฆฌ์ฆ˜. default='lbfgs')๊ฐ€ ์ถฉ๋ถ„ํžˆ ์ˆ˜๋ ดํ•  ์ˆ˜ ์žˆ๋„๋ก ๋ฐ˜๋ณต ํšŸ์ˆ˜๋ฅผ ๋Š˜๋ ค์ฃผ๋ฉด ๋œ๋‹ค. ๋ณดํ†ต ์ž‘์€ ๋ฐ์ดํ„ฐ ์„ธํŠธ์˜ ์ด์ง„ ๋ถ„๋ฅ˜์ธ ๊ฒฝ์šฐ liblinear๊ฐ€ ์„ฑ๋Šฅ์ด ์ข‹๊ณ , ๋ฐ์ดํ„ฐ ์„ธํŠธ๊ฐ€ ํฌ๊ณ  ๋‹ค์ค‘ ๋ถ„๋ฅ˜์ธ ๊ฒฝ์šฐ lbfgs๊ฐ€ ์ ํ•ฉํ•˜๋‹ค. ์ถœ์ฒ˜ ์ถœ์ฒ˜ 2. ๊ฒฐ์ • ํŠธ๋ฆฌ ๋ชจ๋ธ์˜ ์‹œ๊ฐํ™” Graphviz ํŒจํ‚ค์ง€ .. ๋”๋ณด๊ธฐ
3/29 ํ™” ํ™”์š”์ผ! ์˜ค๋Š˜์€ ์–ด์ œ ๋ฐฐ์šด Simple Linear Regression(๋‹จ์ˆœ ์„ ํ˜• ํšŒ๊ท€)์„ ์ฝ”๋“œ๋กœ ๊ตฌํ˜„ํ•œ๋‹ค. 1. Training Data Set ์ค€๋น„ : Data pre-processing(๋ฐ์ดํ„ฐ ์ „์ฒ˜๋ฆฌ). ์‚ฌ์šฉํ•  ์ˆ˜ ์žˆ๋Š” ํ˜•ํƒœ๋กœ ์ค€๋น„ 2. Linear Regression Model์„ ์ •์˜ : y = Wx+b(์˜ˆ์ธก ๋ชจ๋ธ). hypothesis(๊ฐ€์„ค) 3. ์ตœ์ ์˜ W(weight, ๊ฐ€์ค‘์น˜), b(bias, ํŽธ์ฐจ)๋ฅผ ๊ตฌํ•˜๋ ค๋ฉด loss function(์†์‹คํ•จ์ˆ˜)/cost function(๋น„์šฉํ•จ์ˆ˜) โ†’ MSE 4. Gradient Descent Algorithm(๊ฒฝ์‚ฌํ•˜๊ฐ•๋ฒ•) : loss function์„ ํŽธ๋ฏธ๋ถ„(W, b) ร— learning rate 5. ๋ฐ˜๋ณตํ•™์Šต ์ง„ํ–‰ 1. Training Dat.. ๋”๋ณด๊ธฐ

728x90