jinseon's log

✔ Data Science Process 1) Business Understanding : 문제, 배경지식에 대한 이해 2) Data Understanding : 데이터 자체에 대한 이해 3) Prepare Data : 데이터 준비 4) Building Model using Algorithms : Training Data, 학습용 데이터를 이용한 모델 구축 5) Applying Model and performance evaluation : Test Data, 검증용 데이터를 이용한 모델 평가 6) Deployment : 예측한 내용을 문제에 적용 7) Knowledge and Actions : 실행 ✔ MachineLearning Process 🔍 Data 관련 용어 - Dataset : 정의된 구조로 ..

머신러닝은 크게 세 가지 카테고리로 나뉨 1) 지도학습 (Supervised Learning) 2) 비지도학습 (Unsupervised Learning) 3) 강화학습 (Reinforcement Learning) 👩🏻‍🏭 지도학습 (Supervised Learning) - 정답을 알려주면서 학습 하는 것 - input과 output 간의 관계를 설명하는 방법론 중 가장 대표적인 방법 ✔ Regression - x : Input - 집의 특성들 - p : 변수의 개수 - 관측치 (observation) : 각각의 변수에 대해서 실제로 관측을 통해서 획득한 결과, Bedrooms 3, 2, 2 ... - n : 관측치의 개수 📍 input 데이터의 경우 n*p matrix, 행렬 형태를 띠고 있는 경우가 많..

👩🏻‍🏭 선형 회귀 (Linear Regression) - input과 output 간의 관계가 선형적 ✔ 기본 식 - x : 입력 변수 - y^ : 추정하는 함수로터 출력된 값 - β : 회귀계수 📍 y와 y^의 차이 : 실제 y / 함수가 추정한 y^ 1️⃣ basis function - 모형의 대략적인 구조를 세움 - 함수가 가정하고 있는 바에 따라서 대략적인 함수의 형태를 컴퓨터에게 알려주는 과정 2️⃣ 손실함수 (loss function) ✔ MSE (Mean Squared Error) - yi : 실제값 - yi^ : 모형 출력 값 - Training error : 실제 값과 예측 값의 차이 == 오차 - 오차의 제곱의 평균 - Loss ≠ 0 📍 제곱을 하는 이유 - 제곱을 하지 않고 모든 ..

👩🏻‍🏭 인공지능 (Artificial Intelligence) - 광범위한 개념 - 사람의 지식 능력, 지적 능력 등을 인지하고 의사결정 하는 일련의 과정을 컴퓨터 알고리즘으로 모사해서 현실 문제 해결에 활용하는 기술들의 총 집합 👩🏻‍🏭 머신러닝 (Machine Learning) Machine Learning is the study of computer algorithms that allow computer programs to automatically improve through experience (Mitchell, 1997) - 인공지능을 구현하는 한 가지의 방법, 하위 분야 - 어떤 경험들에 의해 스스로 발전시켜나갈 수 있는 일련의 컴퓨터 프로그램 체계를 학습하는 학문 - 데이터와 이걸 학습시..