AI10 [유튜브 강의록] 04-1: Ensemble Learning - Overview 재생목록: [Korea University] Business Analytics (Graduate, IME654) 강의주소: 04-1: Ensemble Learning - Overview 강의자료: github 1. 공짜 점심은 없다 No Free Lunch Theorem 어떤 알고리즘이 모든 알고리즘에 대해서 항상 우월하거나 열등할 수 있는가? NO => 만약 특정 알고리즘이 문제를 유별나게 잘 푼다면, 해당 알고리즘과 문제의 fit이 닮았기 때문이다. => AutoML이 개발되기 전까진 다양한 알고리즘을 알아야 한다! 앙상블이라는 여러 개의 알고리즘의 결합된 기법은 단일 모형과 비교했을 때 성능이 향상될 가능성이 높다 앙상블 알고리즘: Random Forest, Bagged trees, Boosted .. 2022. 11. 6. [HML2] Decision Tree와 화이트박스 핸즈온 머신러닝 이 책은 지능형 시스템을 구축하려면 반드시 알아야 할 머신러닝, 딥러닝 분야 핵심 개념과 이론을 이해하기 쉽게 설명한다. 사이킷런, 케라스, 텐서플로를 이용해 실전에서 바로 활용 가능한 예제로 모델을 훈련하고 신경망을 구축하는 방법을 상세하게 안내한다. 장마다 제공하는 연습문제를 풀며 익힌 내용을 확인하고 응용할 수도 있다. 머신러닝을 배우고 싶지만 어디서부터 시작해야 할지 막막하다면, 이 책이 인공지능 마스터로 가는 길에 좋은 친구가 될 것이다. 2판은 텐서플로 2를 반영하고 비지도 학습, 자연어 처리, 생성적 적대 신경망(GAN) 등 최신 기법을 추가했다. 저자 오렐리앙 제롱 출판 한빛미디어 출판일 2020.05.04 결정 트리 Decision Tree 결정 트리(Decision Tr.. 2022. 11. 3. 지도 학습, 비지도 학습, 강화 학습 [작성중] 현대 기술 시대에는 정형 또는 비정형 데이터가 매우 풍부하다. 20세기 후반에 데이터에서 지식을 추출하여 예측하는 자기 학습(self-learning) 알고리즘과 관련된 인공 지능의 머신러닝이 출현했다. 사람이 수동으로 대량의 데이터를 분석하여 규칙을 유도하고 모델을 만드는 대신, 머신러닝이 데이터에서 더 효율적으로 지식을 추출하여 예측 모델과 데이터 기반의 의사 결정 성능을 점진적으로 향상시킬 수 있다.(머신러닝 교과서 3판, Sebastian Raschka) 머신러닝은 세 가지 종류로 구분된다. 레이블(정답)이 있는 데이터로 진행하는 지도 학습, 레이블과 타깃이 없는채로 진행되는 비지도 학습, 보상 시스템을 통해 연속된 행동에서 학습하는 강화 학습이다. 1. 지도 학습 지도 학습의 주요 목적은 레이블.. 2022. 10. 27. 2021 캐글 통계로 보는 머신러닝 개발환경 통계 1. 압도적인 Jupyter Notebook(73.5%) 2. VSCode : 파이썬 창시자가 google 이직한 뒤로 무섭게 상승 중 3. JupyterLab : Jupyter Notebook의 진화버전 Methods와 Algorithms 사용 1. 선형회귀와 로지스틱 회귀 2. 의사결정나무와 랜덤 포레스트 3. xgboost 등 Machine Learning Library 1. Scikit-Learn 2. tensorflow 4, 5. keras, tensorflow => Scikit-Learn 부터 하나씩 배워나갈 예정이다! 참고 https://www.kaggle.com/kaggle-survey-2021 2022. 10. 27. 머신러닝 시작! 지난 1학기...나를 괴롭혔던 머신러닝을 다시금 배웠다. 학교 수업은 통계나 선형대수 지식을 전제로 수업을 하셔서 무슨 소리인가 싶었으나, AIS7은 모른다는 걸 전제로 해주니 훨씬 배우기 쉬운 듯하다. 물론 앞에서 한번 쓰윽 흝어본 까닭도 있겠지만. 이 카테고리에서는 머신러닝에 대해 배우거나 새롭게 알게 된 내용을 정리할 예정이다. 처음에는 멋쟁이사자처럼 AIS7 오늘코딩 카테고리에 있는 걸 다시금 정리하는데 그칠 수 있겠으나, 나중에는 핸즈온머신러닝이나 머신러닝교과서와 같은 책에서 배운 내용을 정리하는 것까지가 목표다. 지난 학기에 사둔 비싼 책들을 써먹어야지... 2022. 10. 27. 이전 1 2 다음
