하마가 분석하마

머신러닝 모델을 만들기 전, 먼저 교차검증 (cross-validation)이 무엇인지, 그리고 각각의 데이터에 맞는 검증 방법이 무엇인지 알아야 한다. 교차검증의 의미와 중요성에 대해 알아보겠다. 교차검증의 정의 : 교차검증은 머신러닝 모델 개발 과정 중 모델이 오버핏 (과적합) 하지 않으면서 데이터를 정확히 학습하는지 확인하는 단계이다. 이 정의는 또 다른 용어인 오버피팅을 사용한다. 오버피팅을 데이터를 통해 살펴보겠다. 레드와인 데이터는 레드와인의 질(quality)을 결정하는 다음과 같은 11개의 속성으로 이루어져 있다. 고정산 (fixed acidity) 휘발성산 (volatile acidity) 구연산 (cirtic acid) 잔당 (residual sugar) 염화물 (chlorides) 자..

머신러닝 문제는 두 종류가 있다. 1. 타겟 변수(예측 변수)가 하나 또는 여러개 존재하는 지도 학습 2. 타겟 변수가 존재하지 않는 비지도 학습 지도 학습은 예측해야 하는 값에 대한 답이 주어진다. 예를 들어 마트의 개수, 주변의 땅 값, 대중교통과의 거리, 사람 수 등을 기반으로 주택 가격을 학습하는 것, 다양한 종의 고양이와 가아지 사진과 각각의 이미지의 정답(고양이인지 강아지인지)에 대한 정보를 가지고 임의의 사진이 고양이인지 강아지인지 학습하는 것은 지도 학습이다. 지도 학습용 데이터의 예이다. 데이터의 각 열은 상응하는 타겟 변수 혹은 레이블이 존재한다. 데이터의 각 행은 개별 피쳐 혹은 독립변수를 나타내고 각 열은 샘플이라고 불리는 개별 데이터 포인트를 나타낸다. 위 그림은 10개의 피쳐와 ..