문과생CS정복기

머신러닝모델의 예측오류를 구성하는 세 가지 요소이 공식은 머신 러닝 모델의 예측 오류를 구성하는 세 가지 주요 요소를 설명하는 데 사용됩니다. 이를 이해하는 것은 모델의 성능을 최적화하고 과적합(overfitting)과 과소적합(underfitting)을 방지하는 데 중요한 개념입니다.1. 노이즈(Noise)정의: 노이즈는 데이터 자체의 불확실성이나 무작위성을 나타냅니다. 이는 측정 오류, 데이터 수집 과정의 변동성 등과 같은 요인으로 인해 발생합니다.특징: 노이즈는 모델이 설명할 수 없는 부분이므로, 노이즈를 줄이는 것은 모델링 과정에서 불가능합니다.2. 분산(Variance)정의: 추정 값(Algorithm Output)의 평균과 추정 값 (Algorithm Output) 들 간의 차이. 분산은 학습..

라쏘(Lasso)와 리지(Ridge)는 회귀 분석에서 자주 사용되는 두 가지 규제(regularization) 기법입니다만 다른 머신러닝모델에서도 활용될 수 있습니다. 이들은 모델의 복잡도를 조절하여 과적합(overfitting)을 방지하고, 예측 성능을 향상시키는 데 도움을 줍니다. 간단히 설명하면 다음과 같습니다.라쏘 회귀란 무엇인가요?라쏘 회귀는 데이터 분석에서 예측 모델을 만드는 방법 중 하나입니다. 특히, 데이터에 많은 특성(변수)이 있을 때 중요한 특성만을 선택해 주는 방법입니다.라쏘 회귀의 기본 개념Least Absolute Shrinkage and Selection Operator (Lasso):이름의 의미: '최소 절대 축소 및 선택 연산자'라는 뜻입니다.목표: 중요한 특성만 남기고 불필..

데이터 변환 (data transformation) 데이터 변환(data transformation)은 원본 데이터를 분석, 모델링 또는 다른 작업을 위해 더 적합하게 만드는 일련의 작업을 의미합니다. 데이터 변환은 다양한 방법을 통해 수행될 수 있으며, 여기에는 스케일링, 정규화, 차원 축소 등이 포함됩니다. 일반적으로 데이터 변환은 데이터 전처리 과정의 일환으로 수행됩니다.아래에서는 데이터 변환의 주요 기법 몇 가지를 소개하고, 이를 실제 코드로 보여드리겠습니다.1. 스케일링(Scaling)데이터의 값을 특정 범위로 조정하는 작업입니다. 주로 사용되는 방법은 다음과 같습니다:표준화(Standardization): 데이터를 평균이 0, 표준편차가 1이 되도록 변환합니다.최소-최대 스케일링(Min-Max..

다음 두 권의 책을 초보자에게 추천한다. 1. 혼자 공부하는 머신러닝+딥러닝 박해선 저: 이 분야에 대해 처음 도전하는 분들에게 딱 맞는 난이도. 나는 하루에 3시간씩 틈틈히 혼공해서 한 달 만에 끝냈다. 2. 파이썬 머신러닝 완벽 가이드 권철민 저: '나는 이 분야가 어떤지는 알아. 코드를 정확히 이해하면서 배우고 싶어' 와 같은 생각을 가진 분들에게 추천. 한 단원 당 4일정도 시간을 잡으면 된다. 총 10단원이니 40일 정도 걸린다고 보면 2달이면 충분히 끝낼 수 있다.