ToDo_DATA

Introduction To Tensorflow Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning deeplearning.ai에서 제공합니다. If you are a software developer who wants to build scalable AI-powered algorithms, you need to understand how to use the ... 무료로 등록하십시오. www.coursera.org 이미지를 학습하여, 주어진 이미지가 어떤 카테고리(ex. 부츠, 치마, 셔츠 등등 )인지 예측 Convolution : 이미지 응축 각각의 이미지에서 제법 많은 공간이 낭비되고 있..

Introduction To Tensorflow Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning deeplearning.ai에서 제공합니다. If you are a software developer who wants to build scalable AI-powered algorithms, you need to understand how to use the ... 무료로 등록하십시오. www.coursera.org 이미지를 학습하여, 주어진 이미지가 어떤 카테고리(ex. 부츠, 치마, 셔츠 등등 )인지 예측 데이터 셋 : fashion-mnist 하기 모델은 3개의 층으로 구성되어 있음 fl..

Introduction To Tensorflow Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning deeplearning.ai에서 제공합니다. If you are a software developer who wants to build scalable AI-powered algorithms, you need to understand how to use the ... 무료로 등록하십시오. www.coursera.org Machine Learning Traditional Learning: Rule & Data -> Answer Machine Learning : Answer & Data -> Rul..

※공부하고 이해한 내용을 나름대로 정리한 포스팅입니다. 올바르지 않은 내용이 있을 가능성도 있습니다. Ensemble(앙상블)기법이란?_2/2 지난 포스팅 : 학습 모델의 오류(편향과 분산)와 그 해결 2019/06/15 - [데이터분석/데이터 분석 개념] - ToDo 머신러닝#1_Ensemble_1/2; 학습 모델 오류 이해 ■ Ensemble기법 유형 1. Bagging(배깅) 2. Boosting(부스팅) 1. Bagging Bagging은 Bootstrap Aggregating의 약어로, 통계학에서의 Bootstrap은 한 표본을 여러 데이터셋으로 다시 샘플링(Resampling)하는 것을 의미하고 Aggregating은 집계를 의미하여, 쉽게 말해, 한 표본을 resampling하여 집계하는 기..

※공부하고 이해한 내용을 나름대로 정리한 포스팅입니다. 올바르지 않은 내용이 있을 가능성도 있습니다. Ensemble(앙상블)기법이란?_1/2 머신러닝 기법 중 하나인 Ensemble(앙상블)기법이란 샘플링된 각 데이터 셋을 여러 모델들을 통해 학습시킨 후 각 모델의 예측 결과를 집계하여 더욱 정확한 예측 결과를 뽑아내는 기법을 말합니다. Ensemble기법을 이해하기 위해선, 학습 모델의 예측 오류를 이해하여야 합니다. Ensemble기법의 목적이 그 오류를 해결하는 것이기 때문입니다. ■ 학습 모델의 예측 오류 학습 모델의 예측 오류는 크게 1. Bias(편향) 2. Variance(분산) 으로 나뉘고 이는 각각 under-fitting과 over-fitting로 이어집니다. (참고; 아래 그림은 회..

※데이터 전처리는 이전 포스팅에 개재 2019/05/06 - [데이터분석/분석 연습] - Kaggle 캐글 연습#1_Titanic 타이타닉 생존자 예측_1/2 데이터 전처리 데이터 준비 데이터 변수(feature)확인 탐색적 데이터 분석(EDA) Feature Engineering 예측 모델 구축 및 적용 모델 평가 이번 포스팅에서는 예측 모델 적용과 평가를 진행하도록 하겠습니다. 2. 예측 모델 구축 및 적용 타이타닉 데이터 분석의 목적은 "승객들의 생존 여부 예측"으로, 1. Classification(분류) : 생존 or 사망 2. Regression(회귀) : 변수 간 선형 인과관계를 조사하여, 종속 변수(생존)의 관측치를 예측 이렇게 2가지 분석으로 좁혀집니다. 이는 머신러닝 중 지도학습(Sup..

분석연습에 사용된 프로그램은 "Jupyter Notebook" 입니다. 캐글 커널 중, "Titanic Data Science Solutions - by Manav Sehgal" 의 상당 부분을 참고하였습니다. 그 외에도, 다수의 블로거분들의 분석을 참고하였습니다. 링크는 아래에 기재하였습니다. 데이터셋은 캐글 링크를 참고해주세요. 분석 과제 타이타닉 호 침몰 사건 당시의 사망자와 생존자를 구분하는 요인 분석을 통해, "승객들의 생존 여부를 예측하는 모델 구축" 분석에 들어가기 앞서.. 특히 모델과 알고리즘을 구축하는 경우, 분석의 과정은 크게 2가지로 나뉩니다. 1. 데이터 전처리: 주어진 데이터를 파악 후, 모델에 최적화된 형태로 변형합니다. 2. 모델링: 최적화된 데이터에 모델을 적용 및 perfo..