Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- featureimportances
- 11049
- Kotlin
- Mutual exclusion
- bootstrapping
- ml
- 결정트리
- gridsearch
- cross_val_score
- 머신러닝 #ml #미분 #기본기
- db
- Mutex lock
- 코틀린
- 머신러닝 #ml #선형대수학 #기본기
- 멀티 프로그래밍
- jdk #javac #jre #java standard library #javadoc #jar #java
- Java
- 디자인 패턴 #싱글톤
- 운영체제
- 경쟁 조건
- featurescaling
- 지니불순도
- 속성중요도
- min-max
- 상호 배제
- 머신러닝 #ml #기본기
- JetBrains
- 에다 부스트
- 다항회귀
- ML
Archives
- Today
- Total
목록ml (1)
코딩하는 오리

01. 분류 문제머신러닝 : 지도학습 vs 비지도학습지도학습 : 회귀 vs 분류분류 : 정해진 몇 개의 값 중에 예측(0, 1, 2) 이를 선형 회귀를 통해서 분류한다면 0.5 이상이면 통과, 아니면 탈락으로 예측 가능 이렇게 간단하지만, 우리는 분류에 선형 회귀를 잘 사용하지 않는다.Why?예를들어서 10000시간 공부한 데이터가 추가되었을 경우 이 하나의 데이터로 인해 그래프가 더 눕는다.이로 인해 통과 지점이 100시간 이상에서 200시간 이상으로 변해버림선형 회귀는 예외적인 데이터에 민감하여 분류 할 때는 잘 사용하지 X 03. 로지스틱 회귀 (Logitstic Regression) 선형 회귀는 데이터에 잘 맞는 1차 함수를 찾는것이라면로지스틱 회귀는 데이터에 잘 맞는 시그모이드 함수를 찾는 ..
AI/ML
2024. 7. 30. 21:13