3-3. 회귀 알고리즘와 모델 규제 - 특성공학과 규제
다중 회귀 농어 무게에 대한 예측에서, 농어의 길이뿐만 아니라 농어의 높이과 두께도 함께 사용하여 예측하여보자. 또한 이전 절에서 처럼 3개의 특성을 각각 제곱한 것을 추가한다. 도한 각 특성을 서로 곱하여 또 다른 특성을 만들 수도 있다. 이렇게 기존의 특성을 사용해 새로운 특성...
혼자 공부하는 머신러닝+딥러닝
3-2. 회귀 알고리즘와 모델 규제 - 선형회귀
K-최근접 이웃의 한계 이전과 같이 농어의 무게를 예측하는 K-최근접 이웃 회귀 모델을 만들어보자 ```py import numpy as np
3-1. 회귀 알고리즘와 모델 규제 - K-최근접 이웃 회귀
K-최근접 이웃 회귀
2-2. 데이터 다루기 - 데이터 전처리
넘파이로 데이터 준비하기 도미와 빙어 데이터를 준비할 때 넘파이를 이용해보자. 먼저 생선 데이터를 준비한다.
2-1. 데이터 다루기 - 훈련 세트와 테스트 세트
지도 학습과 비지도 학습 지도학습은 훈련하기 위한 데이터와 정답이 필요하다. 데이터와 정답을 입력(input)과 타깃(target)이라 부르고, 이 둘을 합쳐 훈련 데이터라고 부른다. 지도학습은 정답을 맞히는 것을 학습한다. 지도학습에는 K-최근접 이웃 알고리즘이 있다.
1-3. 나의 첫 머신러닝 - 마켓과 머신러닝
목표 머신러닝을 이용하여 도미와 빙어의 분류 기준을 알려주지 않고 데이터와 정답만 알려주고 스스로 분류기준을 찾아 생선의 길이와 무게 데이터가 들어왔을 때 이것이 도미인지 빙어인지 분류하게 한다.
1-2. 나의 첫 머신러닝 - 코랩과 주피터 노트북
코랩 구글 코랩은 웹 브라우저에서 파이썬 프로그램을 테스트하고 저장할 수 있는 서비스이다. 구글 계정을 만들고 https://colab.research.google.com/?hl=ko 에 접속하면 다음과 같은 화면을 볼 수 있다.