프로그래밍/Scikit-Learn30 [Scikit-Learn] 10. 배깅(Bagging) 모형 학습하기 (feat. BaggingClassifier, BaggingRegressor) Scikit-Learn(sklearn)에서는 BaggingClassifier, BaggingRegressor를 이용하여 Bagging 예측 모형을 학습할 수 있다 알아보려고 한다. 이번 포스팅에서는 Bagging 예측 모형을 분류 문제와 회귀 문제로 나누어 학습 방법을 알아본다. - 목차 - 1. 분류 문제(BaggingClassifier) 2. 회귀 문제(BaggingRegressor) 배깅에 대한 개념은 아래 포스팅에 소개했다. 읽어 보면 좋은 내용이 많다. 23. 배깅(Bagging)에 대해서 알아보자 23. 배깅(Bagging)에 대해서 알아보자 이번 포스팅에서는 앙상블 기법의 하나인 배깅(Bagging)에 대해서 알아보고자 한다. 여기서 다루는 내용은 다음과 같다. - 목차 - 1. 배깅(Bag.. 2022. 8. 7. [Scikit-Learn] 9. 로지스틱회귀(Logistic Regression) 모형 학습하기(feat. LogisticRegression) 이번 포스팅에서는 Scikit-Learn(sklearn)을 이용하여 로지스틱 회귀 모형을 학습하고 결과를 확인하는 방법을 알아보려고 한다. 로지스틱 회귀에 대한 개념은 아래에 포스팅해두었으니 참고하자. 22. 로지스틱 회귀(Logistic Regression)에 대해서 알아보자. 22. 로지스틱 회귀(Logistic Regression)에 대해서 알아보자. 이번 포스팅에서는 로지스틱 회귀에 대한 개념과 적합 알고리즘에 대해서 소개한다. - 목차 - 1. 로지스틱 회귀(Logistic Regression)란 무엇인가? 2. 로지스틱 회귀 적합 알고리즘 3. 장단점 본 포스팅 zephyrus1111.tistory.com Scikit-Learn으로 학습하기 로지스틱 회귀는 Scikit-Learn에서 제공하는 .. 2022. 8. 1. [Scikit-Learn] 8. 나이브 베이즈(Naive Bayes) 분류기 학습하기(feat. GaussianNB, CategoricalNB, MultinomialNB) 이번 포스팅에서는 Scikit-Learn에서 나이브 베이즈 분류기(Naive Bayes Classifier)를 학습하는 방법에 대해서 알아본다. 나이브 베이즈 분류기(Naive Bayes Classifier)는 설명 변수가 범주형, 빈도수 그리고 연속형인지에 따라 다른 방법으로 학습한다. 각각 살펴보자. 1. 범주형 변수(CategoricalNB) 2. 빈도수(MultinomialNB) 3. 연속형 변수(GaussianNB) 나이브 베이즈 분류기(Naive Bayes Classifier)에 대한 개념은 아래 포스팅에 소개해놓았니 관심 있는 분들은 보시기 바란다. [머신 러닝] 4. 나이브 베이즈 분류기(Naive Bayes Classifier) with Python [머신 러닝] 4. 나이브 베이즈 분류.. 2022. 6. 18. [Scikit-Learn] 7. Gradient Boosting 모형 만들기(feat. GradientBoostingClassifier, GradientBoostingRegressor) Scikit-Learn(sklearn)에서는 GradientBoostingClassifier, GradientBoostingRegressor를 이용하여 Gradient Boosting 예측 모형을 학습할 수 있다. Gradient Boosting은 분류와 회귀 문제 모두 적용할 수 있는데 이에 대해서 각각 알아본다. 1. 분류 문제(GradientBoostingClassifier) 2. 회귀 문제(GradientBoostingRegressor) Gradient Boosting에 대한 개념과 Scikit-Learn에서 의사결정나무를 학습하는 방법을 아래 포스팅에서 소개해놓았다. 읽고 오면 좋다. 20. Gradient Boosting 알고리즘에 대해서 알아보자 with Python 20. Gradient .. 2022. 6. 18. [Scikit-Learn] 6. AdaBoost 모형 만들기(feat. AdaBoostClassifier, AdaBoostRegressor) 오늘은 Scikit-Learn(sklearn)을 이용하여 AdaBoost 알고리즘을 통한 모형 학습 방법을 알아보고자 한다. AdaBoost는 분류와 회귀 문제 모두 적용할 수 있는데 이에 대해서 각각 알아본다. 1. 분류 문제(AdaBoostClassifier) 2. 회귀 문제(AdaBoostRegressor) AdaBoost에 대한 개념과 Scikit-Learn에서 의사결정나무를 학습하는 방법을 아래 포스팅에서 소개했으니 읽고 오면 좋다. 15. AdaBoost(Adaptive Boost) 알고리즘에 대해서 알아보자 with Python 15. AdaBoost(Adaptive Boost) 알고리즘에 대해서 알아보자 with Python 이번 포스팅에서는 부스팅 알고리즘의 하나인 AdaBoost 알고리.. 2022. 6. 18. [Scikit-Learn] 5. 의사결정나무(Decision Tree) 만들기(feat. DecisionTreeClassifier, DecisionTreeRegressor) 이번 포스팅에서는 Scikit-Learn(sklearn)을 이용하여 의사결정나무를 학습하고 이를 시각화하는 방법에 대해서 알아본다. 또한 결과를 시각화하는 것뿐만 아니라 노드 정보(샘플 수, 불순도, 예측값)를 가져오는 방법에 대해서도 소개한다. 여기서는 분류 나무와 회귀 나무를 학습하는 방법을 알아본다. 1. 분류 나무(DecisionTreeClassifier) 2. 회귀 나무(DecisionTreeRegressor) 의사결정나무에 대한 개념은 아래 포스팅을 참고하기 바란다. 9. 의사결정나무(Decision Tree) 에 대해서 알아보자 with Python 9. 의사결정나무(Decision Tree) 에 대해서 알아보자 with Python 이번 포스팅에서는 모형의 해석이 쉽다는 장점을 가진 의사결.. 2022. 6. 18. [Scikit-Learn] 4. 서포트 벡터 머신 모형 만들기. feat SVC, SVR 이번 포스팅에서는 Scikit-Learn(sklearn)에서 서포트 벡터 머신을 학습하는 방법에 대해서 알아본다. 여기서는 분류 서포트 벡터 머신과 회귀 서포트 벡터 머신을 나누어 살펴보겠다. 1. Scikit-Learn 분류 서포트 벡터 머신(SVC) 2. Scikit-Learn 회귀 서포트 벡터 머신(SVR) 서포트 벡터 머신에 대한 개념은 아래를 참고하기 바란다. 19. 서포트 벡터 머신(Support Vector Machine)에 대해서 알아보자 with Python 19. 서포트 벡터 머신(Support Vector Machine)에 대해서 알아보자 with Python 딥러닝이 나타나기 전에 전성기를 구가했던 서포트 벡터 머신(Support Vector Machine)에 대해서 공부한 내용을 .. 2022. 5. 27. [Scikit-Learn] 3. 데이터 칼럼 표준화하기 feat. StandardScaler 이번 포스팅에서는 Scikit-Learn(sklearn)을 이용하여 데이터 칼럼을 표준화하는 방법을 알아보려고 한다. 표준화는 데이터를 주어진 평균과 표준편차를 갖도록 변환하는 것이다. Scikit-Learn에서는 StandardScaler를 통해 데이터를 표준화할 수 있다. StandardScaler를 이용한 표준화 변환 과정은 지난 포스팅에서 다룬 MinMaxScaler를 이용한 Min Max 변환 과정과 동일하므로 아래 포스팅을 참고하면 좋다. [Scikit-Learn] 2. Min Max 변환하기 feat. MinMaxScaler [Scikit-Learn] 2. Min Max 변환하기 feat. MinMaxScaler 예측 모델링을 할 때 학습 데이터에 대하여 변환하는 경우가 굉장히 많다. 그중에.. 2022. 5. 27. [Scikit-Learn] 2. 최대 최소(Min Max) 변환하기 feat. MinMaxScaler 예측 모델링을 할 때 학습 데이터에 대하여 변환하는 경우가 굉장히 많다. 그중에서 각 데이터를 특정 범위로 제한시키는 Min Max 변환을 많이 사용한다. 최대 최소(Min Max) 변환은 원 데이터를 우리가 지정한 범위 내로 변환시키는 것이다. Scikit-Learn(sklearn)에서는 Min Max 변환을 위한 클래스인 MinMaxScaler를 제공한다. 이번 포스팅에서는 그 사용법을 알아본다. 1. Scikit-Learn(sklearn) MinMaxScaler 변환 과정 2. Scikit-Learn(sklearn) MinMaxScaler 사용법 1. Scikit-Learn(sklearn) MinMaxScaler 변환 과정 먼저 MinMaxScaler를 사용하여 데이터를 변환하는 과정은 다음과 같다.. 2022. 5. 27. [Scikit-Learn] 1. sklearn을 이용하여 선형 회귀 모형(Linear Regression) 적합하기 이번 포스팅에서는 Scikit-Learn(sklearn)을 이용하여 선형 회귀 모형을 적합하는 방법을 알아본다. - 목차 - 1. 데이터 준비 2. sklearn을 이용한 선형 회귀 모형 적합 선형 회귀 모형에 대한 개념은 아래 포스팅을 참고하기 바란다. 16. 선형 회귀(Linear Regression) 모형에 대해서 알아보자 with Python 16. 선형 회귀(Linear Regression) 모형에 대해서 알아보자 with Python 머신러닝 관련 포스팅을 하면서 아주 기본적이지만 이론적으로 강력한 선형 회귀 관련 내용을 포스팅하지 않았다는 것에 매우 놀랐다. 이번 포스팅에서는 선형 회귀 모형에 대해서 알아보고 파 zephyrus1111.tistory.com 1. 데이터 준비 여기서는 보스턴 .. 2022. 5. 7. 이전 1 2 3 다음
