체인의정석

나이브 베이즈 분류기는 선형 모델과 유사하며 선형 분류기 보다 훈련 속도가 빠르지만, 일반화 성능이 조금 뒤지는 문제가 있습니다. 사이킷 런에서 구현된 나이브 베이즈 분류기는 연속적인 어떠한 데이터에도 적용할 수 있는 GaussinanNB, 이진데이터에 적용할 수 있는 BernoulliNB, 카운트 데이터에 적용되는 MultinomialNB의 3개 입니다. BernoulliNB와 MultinomialNB는 대부분 텍스트 데이터를 분류할 때 사용합니다. BernoulliNB분류기는 다음과 같습니다. X= np.array([ [0,1,0,1], [1,0,1,1], [0,0,0,1], [1,0,1,0] ]) y=np.array([0,1,0,1]) 이진 특성을 4개 가진 데이터 포인트 를 X로 두고 이에 대한 ..

회귀 중 특성이 하나인 회귀는 선형 모델을 일차 함수를 생각하면 됩니다. y=ax+b 에서 y는 예측값이 되게 됩니다. 이떄 a와 b는 모델이 학습할 파라미터 입니다. 한마디로 a와 b의 값을 적절히 조절해 가며 정답에 가까운 파라미터를 고르는것이 머신러닝이라 할 수 있겠습니다. 여기서 a는 기울기 입니다. 특성이 많아지게 되면 각각 입력 특성 x에 따라서 가중치 a를 곱한만큼에 b라는 값을 더한만큼이 예측값으로 나오게 됩니다. mglearn.plots.plot_linear_regression_wave() 회귀를 위한 선형 모델에서 특성이 하나일땐 직선, 2개일때는 평면, 3개 이상일때는 초평면이 되게 됩니다. K이웃근접법과 비교해 보았을때 선으로 분류하는것은 매우 단순해 보이지만 특성을 많이 넣게 되면..

지도학습 - 이미 알려진 사례를 바탕으로 일반화된 모델을 만들어 의사 결정 프로세스를 자동화 하는 것. 지도학습의 예시 편지 봉투에 손으로 쓴 우편번호 숫자 판별 입력 - 손글씨 , 출력 - 우편번호 숫자 의료 영상이미지 가반 종양 판단 입력- 이비지, 출력 - 종양의 양성 여부 의심되는 신용카드 거래 감지 입력 - 신용카드 거래 내역, 출력 - 부정거래 여부 => 의료 영상 이미지의 경우 데이터를 얻는것이 어려울 수 있음 비지도 학습 - 입력은 주어지지만 출력은 제공되지 않으며, 평가가 어려움 비지도학습의 예시 블로그 글의 주제 구분 => 고객군의 분류를 모르니 출력도 모름 비정상적인 웹사이트 접근 탐지 => 웹 트랙픽만 관찰 가능 어느것이 정상인지 판단 불가 머신러닝에서 하나의 개체/행 = 샘플, 데..