Machine Learning/머신러닝 온라인 강의 (28) 썸네일형 리스트형 CH02-02. Linear Regression 심화 목표 1. Multivariate Regression 2. Polynomial Regression 3. 회귀계수를계산하는방법 다변량회귀(Multivariate Regression)의 정의 두개 이상의 변수로 만든 회귀식 다변량 회귀 수식 - 변수가 2개인 경우 - 변수가 여러개인 경우 -> 행렬로 표시 Multivariate Regression 해석 다항식회귀(Polynomial Regression) 예측하는 값이 선형이 아닌 비선형일 경우 사용 다항식 회귀 VS 다변량 회귀 다항식회귀(Polynomial Regression) 비선형을 표현 하는법 Step 1) 비선형회귀식 Step 2) 완전 제곱식으로 표현 Step 3) x가 0이상인 경우 비선형이 된다 다항식회귀(Polynomial Regressio.. CH02-01. Linear Regression 1. 선형회귀 정의 2. 선형회귀 해석 3. 선형회귀 평가 선형회귀(Linear Regression)의 정의 예측값을 직선으로 표현하는 모델 선형 회귀 평가 어떤 직선이 더 잘 예측하나요? -> 실제값과 예측값의 차이가 작은 직선이 더 잘 예측! 이러한 차이를 분석하는 방법을 보자. 만약 단순히 더하기만 하면 음수와 양수가 상쇄되어 정확한 크기가 나오지 않는다. 따라서 실제 차이의 크기를 반영하기 위해서는 제곱을 한뒤 평균을 구하면 된다. 이러한 과정을 Mean Squared Error라고 표현한다, 처음 나왔던 예시를 보고 선형회귀 평가를 보자. CH01-02. Model Selection 배울것 1. 모델 2. Train data, Test data 3. 과대적합, 과소적합 4. Cross Validation 모델의 정의 - 어떤 X가 주어졌을때 f 라는함수를통해 y라는 값을 도출하는 과정 - 이때의 함수f 를 모델 또는 알고리즘이라고 부른다. 모델의수식 - 𝑦 = 𝐹(𝑋) - X : 데이터 - y : 예측값 모델의 목적 - 데이터를 이용해 값을 예측 모델의 평가 - 모델이 값을 잘 예측하는지 평가 데이터의종류 Train Data - 학습에 사용되는 데이터 Test Data - 학습에 사용되지 않은 데이터 - 모델이 실제로 잘 예측하는지 알기 위해서는 학습에 사용되지 않은 데이터를 이용해 평가해야 한다 모델의 평가와 데이터의 관계 - Overfitting & Underfitting Und.. CH01-01. 머신러닝이란 1. 머신러닝의 정의 기계가 일일이 코드로 명시하지 않은 동작을 데이터로 부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구분야 2. 머신러닝의 3요소 현재 내가 살고있는집을 팔려고 합니다. 얼마가 적절한 가격일까요? 풀고자 하는 문제 --> 적절한 가격 집의 가격을 결정하기 위해 주변의 다른 집들의 가격들을 확인해 보았습니다. 그리고 집의 가격을 결정하는 몇 가지 요인을 찾을 수 있었습니다. (역에서 가까운지?, 집이 오래 되었는지?, 주차장이 넓은지?) 조사한 요인들을 이용해 다음과 같이 집의 가격을 알수있게 되었습니다. 알고리즘 문제를 풀기 위한 의사결정과정 집이낡았음-> 주차장이좁음-> 역에서가까움-> 5억원! 데이터 주관적인 기준이 아닌 수치에 근거한 객관적인 기준 가깝다-> 10km.. 이전 1 2 3 4 다음
