CS log

1. Decision Tree1) 개념데이터에 있는 규칙을 학습을 통해 자동으로 찾아내 트리 기반 분류 규칙 (if/else)를 만드는 것최대한 균일한 데이터 세트를 구성할 수 있도록 분할하는 것이 필요!  이런 상태에서 어떻게 해야할까? 노란색 공의 경우 모두 동그라미로 구성, 빨강과 파랑 공의 경우는 동그라미, 세모, 네모가 골고루 섞여 있다. 따라서 가장 먼저 만들어져야 하는 규칙 조건은 if 색깔 == '노란색' 2) 장단점장점 : 쉽다, 직관적이다, 피쳐의 스케일링이나 정규화 등 사전 가공 영향도가 크지 않다.단점 : 과적합으로 알고리즘 성능이 떨어질 수 있기 때문에 트리의 크기를 사전에 제한하는 튜닝이 필요하다. 3) 결정트리의 파라미터- min_samples_split : 노드를 분할하기 위..

즉, 회귀 ; 예측하고자 하는 타켓이 수치형, 연속형 변수일 경우분류 ; 예측하고자 하는 타켓이 범주형, 이산형 변수일 경우 1. 회귀 regression회귀란 독립변수 x로 종속변수 y를 예측. 주어진 피쳐와 결정 값 데이터 기반에서 학습을 통해 최적의 회귀 계수를 찾아내는 것.데이터를 가장 잘 설명하는 회귀식 찾기독립변수 : x 예측 변수, 설명, 특성 변수종속변수 : y 반응 변수, 레이블, 타겟 등으로 불림 선형회귀H(x) = Wx + b 에서 최적의 w와 b를 찾기복잡한 관계 표현을 위해 비선형을 요구하는 것이 바로 딥러닝 선형회귀 vs 비선형 회귀linear regression is for establish hypothesis model and find the ideal W and bH(x) ..

cv 쓰기 ) 프로젝트도 넣기!https://sujinlee.me/entry-level-en-resume/ 신입 소프트웨어 엔지니어의 영문 이력서 작성하기주의: 이 글은 제가 처음 소프트웨어 엔지니어로 구직활동을 할 때의 쓴 글입니다.현재 최신버전 이력서는 여기서 확인해주세요! 개발자 찾아요. 기술 모임, 세미나, 컨퍼런스에서 매일 듣는 이sujinlee.me 1. 머신러닝 머신러닝은 신경망 기반이 아닌 주로 해석 가능한 수학적 모델을 기반으로 하는 머신러닝을 의미 딥러닝과 머신러닝의 차이점- 머신러닝은 주어진 데이터를 인간이 먼저 처리한다. ex) 인간이 개, 고양이의 특징 추출 후 컴퓨터 학습시킴 - 딥러닝은 머신러닝에서 사람이 하던 패턴 추출 작업이 생략된다. 컴퓨터가 스스로 데이터를 기반으로 학습..

보호되어 있는 글입니다.

보호되어 있는 글입니다.