혼공 머신러닝/딥러닝 2주차

■ 3장 정리

☞ 회귀 알고리즘에 대한 학습

(일반 회귀)주변의 평균을 구해서 예측 → 결정계수(회귀모델의 점수)

→ (선형회귀) input범주를 넘어가는 범주를 예측하기

→ (다항회귀)  다항식(2차원 방정식)을 사용한 선형회귀 

→ (다중회귀) 여러개의 특성을 사용한 선현회귀

 

☞ pandas 

• 지도학습 (정답을 미리 알려주고 학습을 진행)
  sklearn의 neighbors의 제공 Class
  

  

  
  
  • 분류(classification) (KNeighborsClassifier, 1,2장에서 사용)
    • 의미 그대로 구분지어서 분류하는것 (이전장에서 도미와, 농어를 구분)
  • 회귀 (regression) (KNeighborsRegressor, 3장에서 사용)
    • 예측하는것에 대한것 / 이웃에 대한 샘플에 대한 평균을 이용함
    • 제공되는 데이터의 특성을 이용한다.
    • 3장에서는 "k-최근접 이웃 회귀" 방법을 사용한다.
    • regression test라는 단어가 익숙하다
      • 전체 테스트 Set중에서 임의로 Test성공을 예측하면서, 테스트를 진행하는 방법
    • 정확한 숫자를 맞히는거는 불가능 // 모두 임의의 수치이다.
    • 결정계수 (R^2)
      • https://datalabbit.tistory.com/54
  • 1차원 배열을 numpy의 reshape를 이용해서 다차원으로 변경하기
    배열의 갯수와 reshape(x,y)의 x*y의 갯수는 같아야 한다.
    4 = 2*2 / 1*4 / 4*1
    

    

    크기를 -1로 지정하면, 배열의 크기를 자동으로 지정하는 기능
    reshape(x,y)에서 x:-1, y: (np.array의 사이즈로 나누어질수있는 공약수)로 지정가능
    
    
    • train_input의 사이즈가 42여서 (-1,18)은 오류가 발생한다.
      

      

■ 기본 미션

■ 선택 미션

<모델 파라미터에 대해 설명하기>

선형대수에서 기울기가 있는 선에 대해서 최적의 값을 찾기 위한 과정이며 이 값을 모델 파리미터라고 합니다.

sklearn에서는 coef_, intercept_의 값이 머신러닝을 통해서 찾은 값을 정의합니다.

선형에 기울기가 있는데 이를 계수(coefficient), 가중치(weight)라고 지정합니다.