Hippo's data

회고 드디어 마지막 주차다 후후후 지난 6주동안 혼공단 스터디를 진행하면서 확실히 나는 뭔가를 걸어놔야 하는구나....란걸 깨달았다 그래도 매주 커리큘럼이 있기때문에 꾸준히 할 수 있었던 거 같답 더군다나 간식도 보내주시구 응원댓글까지 달아주시며 관리해주시니 너무 좋은 활동이었다 (이거 웨 안훼??? 😊) 스터디를 통해서 그동안 뭔가 뇌 이곳저곳을 떠돌던 개념들이 제자리를 찾았고 깔끔하게 정리할 수 있었다 Chapter 07 딥러닝을 시작합니다 07-1 인공 신경망 07-2 심층 신경망 07-3 신경망 모델 훈련 기본 미션 Ch.07(07-1) 확인 문제 풀고, 풀이 과정 정리하기 1.어떤 인공신경망의 입력 특성이 100개이고 밀집층에 있는 뉴런의 갯수가 10개일 때 필요한 모델 파라미터의 개수는 몇 개..

Chapter 06 비지도 학습 06-1 군집 알고리즘 06-2 k-평균 06-3 주성분 분석 기본 미션 k-평균 알고리즘 작동 방식 설명하기 -> 무작위의 K개 클러스터 중심 설정 -> 각 데이터마다 가까운 클러스터 중심과 매칭하여 클러스터 생성 -> 클러스터마다 평균 등의 연산을 통해 중심 재정의 -> 이 과정 반복 후 최종적으로 중심변화 없을 경우 확정 선택 미션 Ch.06(06-3) 확인 문제 풀고, 풀이 과정 정리하기 1. 특성이 20개인 대량의 데이터셋이 있습니다. 이 데이터셋에서 찾을 수 있는 주성분 개수는 몇개일까요? -> 10개 / 20개 / 50개 / 100개 답: 10개 - 주성분을 찾는 목적인 특성 감소에 해당하는 값은 10개뿐이기 때문 2. 샘플 개수가 1000개이고 특성 개수가 ..

Chapter 05 트리 알고리즘 05-1 결정 트리 05-2 교차 검증과 그리드 서치 05-3 트리의 앙상블 기본 미션 교차 검증을 그림으로 설명하기 선택 미션 Ch.05(05-3) 앙상블 모델 손코딩 코랩 화면 인증하기

Chapter 04 다양한 분류 알고리즘 04-1 로지스틱 회귀 04-2 확률적 경사 하강법 기본 미션 Ch.04(04-1) 2번 문제 풀고, 풀이 과정 설명하기 -> 로지스틱 회귀가 이진 분류에서 확률을 출력하기 위해 사용하는 함수는 무엇인가요? 1) 시그모이드 함수 -> 이지분류에서 사용 (0,1) 범위의 값으로 출력함 2) 소프트맥스 함수 -> 다중분류에서 사용 3) 로그 함수 4) 지수 함수 선택 미션 Ch.04(04-2) 과대적합/과소적합 손코딩 코랩 화면 캡처하기

Chapter 03 회귀 알고리즘과 모델 규제 03-1 k-최근접 이웃 회귀 03-2 선형 회귀 03-3 특성 공학과 규제 기본 미션 Ch.03(03-1) 2번 문제 출력 그래프 인증하기 # k-최근접 이웃 회귀 객체를 만듭니다 knr = KNeighborsRegressor() # 5에서 45까지 x 좌표를 만듭니다 x = np.arange(5, 45).reshape(-1, 1) # n = 1, 5, 10일 때 예측 결과를 그래프로 그립니다. for n in [1, 5, 10]: # 모델 훈련 knr.n_neighbors = n knr.fit(train_input, train_target) # 지정한 범위 x에 대한 예측 구하기 prediction = knr.predict(x) # 훈련 세트와 예측 결과..

첫주차 학습에는 완전 기본기본기본적인 내용이라 수월하게 진행했따 기본 미션 코랩 실습 화면 캡처하기 선택 미션 문제: 머신러닝 알고리즘의 한 종류로서 샘플의 입력과 타깃(정답)을 알고 있을 때 사용할 수 있는 학습 방법은 무엇인가요? 1. 지도학습 2. 비지도학습 3. 차원축소 4. 강화학습 답: 1번 풀이: 비지도학습 -> 타깃(정답) 없음 차원축소 -> 높은 차원을 낮은 차원으로 데이터를 줄임 (비지도학습에 속함) 강화학습 -> 수행된 행동에 보상을 받으며 학습 / 머신러닝의 한 종류