대부분의 경우 머신러닝 문제는 훈련 샘플이 수천~수백만 개의 특성을 가지고 있다. 이러한 특성은 훈련을 느리게 할 뿐 아니라 좋은 솔루션을 찾기 어렵게 만든다. 이를 해결하기 위해 특성수를 크게 줄여서 문제를 해결하기도 한다. (차원축소)

AI 엔지니어는 인공지능(AI) 시스템을 설계, 개발, 구축 및 유지 관리하는 일을 담당한다.

문제 : school.programmers.co.kr/learn/courses/30/lessons/1844

문제 : school.programmers.co.kr/learn/courses/30/lessons/43165

문제 : school.programmers.co.kr/learn/courses/30/lessons/42746

문제 : programmers.co.kr/learn/courses/30/lessons/42576

앙상블 학습은 여러 약한 모델을 결합해 성능을 높이는 기법으로, 대표적으로 배깅, 랜덤 포레스트, 부스팅(AdaBoost·GBM), 스태킹이 있다.

결정 트리 decision tree 는 랜덤 포레스트의 기본 구성 요소이고, 분류/ 회귀 / 다중 출력 작업까지 가능한 다목적 알고리즘이다.따라서, 이번 장에서는 결정 트리의 훈련 , 시각화, 예측 방법, 규제, 제약 사항 등을 다루고자 한다.결정 트리 모델 Decis

서포트 벡터 머신 Support Vector Machine (SVM) 선형, 비선형 분류 / 회귀 / 특이치 탐지등에 활용할 수 있는 다목적 머신러닝 모델 특히, 중소규모의 비선형 데이터셋, 분류 작업에 탁월함 1. 선형 SVM 분류 실선 : SVM 분류기의 결정 경

문제 : https://www.acmicpc.net/problem/17626난이도 : 실버3

오늘은 선형 회귀와 로지스틱 회귀에 대해 살펴보려 한다. 선형 회귀의 기본 개념에 대해서는 4-(1)에서 이미 다루었기 때문에, 이번에는 규제가 적용된 선형 회귀를 중심으로 설명할 것이다. p 203 ~ 225 1. 규제가 있는 선형모델 모델 규제를 통해 과대

문제 : https://www.acmicpc.net/problem/11659

문제 : https:/www.acmicpc.net/problem/1463 난이도 : 실버3

선형회귀, 다항회귀 , 경사하강법에 대한 설명이다.

핸즈온 머신러닝 3장 분류에 대한 정리