목록로지스틱 회귀 (2)

노트와 노트

머신러닝 회귀(Regression)

※ 이 글은 책을 공부한 내용&개인적으로 공부한 내용을 정리한 글입니다! 회귀(Regression) 머신러닝에서 회귀란, 주어진 피처와 결정 값 데이터 기반에서 학습을 통해 최적의 회귀 계수를 찾아내는 것을 의미한다. ※ 같은 지도학습 유형인 분류와의 차이점 분류: 예측값이 카테고리와 같은 이산형 클래스 값 회귀: 연속형 숫자 값 회귀의 유형 독립변수 개수 회귀 계수의 결합 1개: 단일 회귀 선형: 선형 회귀 여러 개: 다중 회귀 비선형: 비선형 회귀 선형 회귀는 실제 값과 예측값의 차이(오류의 제곱 값)를 최소화하는 직선형 회귀선을 최적화하는 방식이다. 선형 회귀의 유형은 아래와 같이 나눠진다. 일반 선형 회귀 릿지(Ridge) 라쏘(Lasso) 엘라스틱넷(ElasticNet) 로지스틱 회귀(Logis..
Machine Learning & DeepLearning 2022. 5. 2. 23:35
머신러닝 분류(Classification) (1) - 나이브 베이즈(Naive Bayes), 로지스틱 회귀(Logistic Regression), 결정 트리(Decision Tree), 서포트 벡터 머신(Support Vector Machine), 최소 근접(Nearest Neighbor) 알고리즘

※ 이 글은 책 공부한 내용&혼자 공부한 내용을 정리한 글입니다! 난 딥러닝 기반의 분류 모델 위주로 공부했어서 서포트 벡터 머신 외의 머신러닝 알고리즘은 잘 몰랐었는데, 이 책을 통해서 다양한 분류 관련 머신러닝 알고리즘을 공부할 수 있어서 좋았다~!! 설명도 자세하고, 실습 내용도 그냥 데이터셋 불러와서 학습시켜보고 예측해보고 끝! 이 아니라 무척이나 상세해서 정말 너무 좋았다... 나같은 초보한텐 이런 상세한 책이 꼭 필요했다!! 책에서 언급된 내용 중에 이미지, 영상, 음성, NLP 영역에서는 딥러닝이 머신러닝계를 압도하고 있으나 이를 제외한 정형 데이터의 예측 분석에는 여러 머신러닝 알고리즘을 결합한 앙상블 기법이 애용되고 있다고 한다. 책에선 언급된 머신러닝 분류 기법들에 대해서 복습할 겸 정..
Machine Learning & DeepLearning 2022. 4. 20. 20:00
이전 Prev 1 Next 다음