02_2 데이터 전처리
올바른 결과 도출을 위해서 데이터를 사용하기 전에 데이터 전처리 과정을 거칩니다. 전처리 과정을 거친 데이터로 훈련했을 때의 차이를 알고 표준점수로 측성의 스케일을 변환하는 방법을 배웁니다. Situation & Target넘파이로 데이터 준비하기fish_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0, 9.8, ..
2024. 11. 17.
02_1 훈련 세트와 테스트 세트
지도 학습과 비지도 학습의 차이를 배웁니다. 모델을 훈련시키는 훈련 세트와 모델을 평가하기 위한 테스트 세트로 데이터를 나눠서 학습해 봅니다. Situation & Target지도 학습과 비지도 학습머신러닝 알고리즘은 크게 지도 학습과 비지도 학습으로 나눌 수 있다.지도학습에서는 데이터와 정답을 input과 target이라고 하고, 이 둘을 합쳐 훈련 데이터라고 부른다.입력으로 사용된 특징을 feature 라고 부른다.비지도 학습은 target 없이 input 데이터만 사용하는 것.비지도 학습은 정답을 사용하지 않으므로, 무언가를 맞힐 수가 없다. 훈련 세트와 테스트 세트fish_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7..
2024. 11. 17.
01-3 마켓과 머신러닝
가장 간단한 머신러닝 알고리즘 중 하나인 K-최근접 이웃을 사용하여 2개의 종류를 분류하는 머신러닝 모델을 훈련합니다. Situation & Target마켓에서 팔기 시작한 생선을 프로그램으로 분류한다고 가정해보자. 어떻게 프로그램을 만들어야 할까?생선 데이터셋의 출처: https://www.kaggle.com/aungpyaeap/fish-market Action & Result도미 데이터 준비하기bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 3..
2024. 11. 10.
