보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

시나리오럭키백 이벤트 상품럭키백에 포함된 생선의 확률을 고객에게 알려줌 A 럭키백에는 도미 확률이 높음 따라서 럭키백에 들어있을 생선의 확률을 구해야 됨럭키백에 들어갈 수 있는 생선은 7개럭키백에 들어간 생선의 크기, 무게, 길이, 높이, 두께, 대각선 특성이 주어짐 1. k-최근접 이웃 분류기를 이용한 예측 이웃의 클래스 비율로 예측즉, 샘플 X 주의에 삼각형이 3개, 사각형이 5개, 원이 2개라면 샘플X가 삼각형일 확률은 30%, 사각형일 확률은 50%, 원일 확률은 20%인 것이다. (1) 데이터 준비 unique(고유)한 값인 species를 타깃으로 만들고, 나머지 5개의 열은 입력 데이터로 활용한다. #데이터 준비 -> pandasimport pandas as pdfish = pd.read_c..

보호되어 있는 글입니다.

k-최근접 이웃 회귀에는 치명적인 단점이 존재한다. 해당 모델은 50cm의 농어를 1.033g정도로 예측한다. (실제보다 훨씬 가볍게 예측) 산점도를 보면, 농어는 길이가 커질 수록 무게가 늘어난다. 훈련 샘플에 있는 농어 중 가장 길이가 길었던 샘플이 45 정도이기 때문에 모델은 이 샘플들의 무게를 이용하여 길이 50cm인 농어의 무게를 예측한다. 이때, 45cm정도의 농어 샘플들의 평균이 바로 1.033g이다.  즉, 농어가 아무리 커져도 모델은 1.033g으로 예측할 것이다.   훈련 샘플에 포함되지 않은 범위의 데이터까지 예측할 수 있기 위해서 선형회귀 알고리즘을 사용할 수 있다.1. 선형회귀선형 회귀는 비교적 간단하고 성능이 뛰어나기 때문에 대표적인 머신러닝 알고리즘 중 하나이다. 특성이 하나인..

1. k-최근접 이웃 회귀 알고리즘 지도 학습은 크게 분류와 회귀로 나뉜다. 회귀는 클래스 중 하나로 분류하는 것이 아니라 임의의 어떤 숫자를 예측하는 문제이다. 이전에 다뤘던 k-최근접 이웃 분류 알고리즘은 예측하려는 샘플에 가장 가까운 샘플 k개를 선택한다.그 다음 샘플들의 클래스를 확인하여 다수를 차지하는 샘플들의 클래스로 예측한다.  k- 최근접 이웃 회귀 또한 분류와 똑같이 예측하려는 샘플에 가장 가까운 샘플 k개를 선택한다.하지만 회귀이므로 이웃한 샘플의 타깃은 어떤 클래스가 아니라 수치이다. 따라서, 이웃 샘플들의 수치를 이용하여 이들의 평균을 구해 새로운 샘플(예측하려는 샘플)의 타깃을 예측한다. (1) 데이터 준비#데이터 준비 (농어의 길이와 무게 데이터)#특성=길이, 타깃=무게impor..

1. 데이터 전처리 (1) 넘파이로 데이터 준비하기 - 먼저 간단하게 도미와 빙어의 길이와 무게에 대한 리스트를 생성해준다. #도미와 빙어 데이터셋 합치기fish_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, 10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0]fi..

1. 지도학습과 비지도 학습ex. 도미와 빙어를 구분하는 모델입력: 데이터 (길이와 무게)타깃: 정답 (생선의 종류)즉, 타깃은 알아내야 하는 것이다. 특성: 입력으로 사용되는 특징생선의 길이와 무게 지도 학습: 타깃이 있으므로, 즉 알고리즘이 정답을 맞추는 모델비지도 학습: 타깃없이 입력 데이터만 활용. 데이터를 파악하기 쉽게 하거나 변형할 때 사용2. 훈련 세트와 테스트 세트훈련 세트: 훈련에 사용되는 데이터테스트 세트: 평가에 사용되는 데이터모델에 대해 정확하게 테스트하기 위해서는 훈련 데이터와 평가 데이터가 달라야 한다. (연습문제와 시험문제가 달라야 그 사람의 진짜 실력을 평가할 수 있음을 생각하자) (1) 데이터 준비 및 k-최근접이웃 알고리즘 사용#도미와 빙어 데이터셋 합치기fish_leng..

0. 생성 분류 문제 (시나리오)시나리오: 한빛 마켓에서 생선을 파는데, 직원이 생선 구분을 못한다따라서, 머신러닝을 이용해 생선의 특성을 통해 생선의 이름을 알려주는 머신러닝을 만들어야 한다. 한빛마켓에서 팔기 시작한 생선은 도미 등이 있다.  데이터셋 출처: https://github.com/Ankit152/Fish-Market (책에서는 캐글이었는데, 현재 삭제된 것으로 보임) 생선을 분류하는 일이니 생선의 특징을 통해 쉽게 구분할 수 있을 것이다. 생선에 대해 잘 아는 김팀장이 생선길이가 30cm이상이면 도미라고 알려주었다. 하지만, 30cm이상인 모든 생선이 도미는 아니다.  이 문제를 머신러닝으로 어떻게 해결할 수 있을까? 보통 프로그래밍된 프로그램은 '누군가 정해준 기준대로' 일을 한다.하지..