Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
Tags
- 브라이틱스 분석
- 브라이틱스 스태킹
- Python
- paper review
- pymysql
- 데이터 분석
- Deep Learning for Computer Vision
- 비전공자를 위한 데이터 분석
- 삼성 SDS 서포터즈
- michigan university deep learning for computer vision
- 서포터즈 촬영
- 브라이틱스 프로젝트
- 딥러닝
- 데이터 분석 플랫폼
- Activation Function
- 브라이틱스 서포터즈
- Brigthics Studio
- Brightics EDA
- 범주형 변수 처리
- 검증 평가 지표
- Brightics AI
- 파이썬 SQL 연동
- Brightics studio
- 머신러닝
- 삼성 SDS
- Brightics 서포터즈
- 브라이틱스 AI
- 파이썬 내장 그래프
- Random Forest
- 분석 툴
Archives
- Today
- Total
목록차원축소 (1)
하마가 분석하마

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 ..
Machine learning class
2021. 2. 16. 16:00