머신러닝이 처음이라면 DACON 101
1.머신러닝이 처음이라면 DACON 101
데이콘 101 강의 리스트 보러가기
2.머신러닝이 처음이라면 DACON 101 (LV1, 1강 EDA, import)
강좌 수강하기
3.머신러닝이 처음이라면 DACON 101 (LV1, 2강 EDA, read csv())
강의 내용 확인하기
4.머신러닝이 처음이라면 DACON 101 (LV1, 3강 EDA, shape)
강의 확인하기
5.머신러닝이 처음이라면 DACON 101 (LV1, 4강 EDA, head())
강의 확인하기
6.머신러닝이 처음이라면 DACON 101 (LV1, 5강 EDA, is_null())
Lv1. 의사결정회귀나무로 따릉이 데이터 예측하기 5강 EDA 결측치 확인하기(is_null()) 강의 확인하기
7.머신러닝이 처음이라면 DACON 101 (LV1, 6강 전처리, info())
강의 링크
8.머신러닝이 처음이라면 DACON 101 (LV1, 7강 전처리, dropna(), fillna())
강의 링크
9.머신러닝이 처음이라면 DACON 101 (LV1, 8강 모델링, scikit-learn)
강의 링크
10.머신러닝이 처음이라면 DACON 101 (LV1, 9강 모델링, 의사결정나무)
강의 링크
11.머신러닝이 처음이라면 DACON 101 (LV1, 10강 모델링, DecisionTreeClassifier())
강의 링크
12.머신러닝이 처음이라면 DACON 101 (LV1, 11강 모델링, fit())
강의 링크
13.머신러닝이 처음이라면 DACON 101 (LV1, 12강 모델링, predict())
강의 링크
14.머신러닝이 처음이라면 DACON 101 (LV1, 13강 모델링, to_csv())
13강 모델링 6/6 제출파일생성(to_csv())강의 링크
15.머신러닝이 처음이라면 DACON 101 (LV1, 14강, 총 복습)
강의 링크
16.머신러닝이 처음이라면 DACON 101 (LV2, 1강 결측치, fillna({mean})
.png)
데이콘 머신러닝 교육 콘텐츠, LV2 1강
17.머신러닝이 처음이라면 DACON 101 (LV2, 2강 결측치, interpolate())
.png)
Lv2. 결측치 보간법과 랜덤포레스트로 따릉이 데이터 예측하기
18.머신러닝이 처음이라면 DACON 101 (LV2, 3강 모델링, RandomForestRegressor())
.png)
Lv2. 결측치 보간법과 랜덤포레스트로 따릉이 데이터 예측하기 3강 모델링 1/2 랜덤포레스트 개념, 선언 강의 링크
19.머신러닝이 처음이라면 DACON 101 (LV2, 4강 모델링, 5강 튜닝)
.png)
Lv2. 결측치 보간법과 랜덤포레스트로 따릉이 데이터 예측하기
20.머신러닝이 처음이라면 DACON 101 (LV2, 6강 튜닝, drop())
.png)
Lv2. 결측치 보간법과 랜덤포레스트로 따릉이 데이터 예측하기 6강 튜닝 2/5 변수 제거 강의링크
21.머신러닝이 처음이라면 DACON 101 (LV2, 7강 튜닝, GridSearch 개념)
.png)
Lv2. 결측치 보간법과 랜덤포레스트로 따릉이 데이터 예측하기 7강 튜닝 3/5 하이퍼파라미터 GridSearch 개념 강의 링크
22.머신러닝이 처음이라면 DACON 101 (LV2, 8강 튜닝, GridSearchCV())
.png)
강의 링크
23.머신러닝이 처음이라면 DACON 101 (LV2, 9강 총복습)
.png)
강의 링크
24.머신러닝이 처음이라면 DACON 101 (LV3, 1강 EDA | read_csv(), info(), shape, head())
강의 확인하기
25.머신러닝이 처음이라면 DACON 101 (LV3, 4강 EDA | Matplotlib 선 그래프 그리기 plot())
강의콘텐츠 링크
26.머신러닝이 처음이라면 DACON 101 (LV3, 5강 EDA | Matplotlib 히스토그램 그리기 hist())
강의 콘텐츠 링크
27.머신러닝이 처음이라면 DACON 101 (LV3, 6강 EDA | 타깃 변수 분포 시각화 seaborn distplot())
강의 콘텐츠
28.머신러닝이 처음이라면 DACON 101 (LV3, 7강 전처리 | 이상치 탐지 seaborn_boxplot())
강의 콘텐츠
29.머신러닝이 처음이라면 DACON 101 (LV3, 8강 전처리 | 이상치 제거 IQR)
강의 콘텐츠
30.머신러닝이 처음이라면 DACON 101 (LV3, 9강 전처리 | 수치형 데이터 정규화 MinMaxScaler())
강의 콘텐츠
31.머신러닝이 처음이라면 DACON 101 (LV3, 11강 전처리 | 모델 정의 RandomForestClassifier())
32.머신러닝이 처음이라면 DACON 101 (LV3, 12강 전처리 | 모델 실습 RandomForestClassifier())
Lv3. 교차검증과 LGBM 모델을 활용한 와인 품질 분류하기 모델 실습 RandomForestClassifier() 강의 콘텐츠
33.머신러닝이 처음이라면 DACON 101 (LV3, 13강 전처리 | 교차 검증 정의 K-Fold)
.png)
교차 검증 정의 K-Fold강의 콘텐츠이번 시간에는 "교차검증"에 대해서 이야기해보겠습니다.교차 검증을 이야기 하기 위해서는, Hold-out 에 대해서 먼저 이야기 해야 합니다.Hold-outHold-out은 단순하게 Train 데이터를 (train, valid)라는
34.머신러닝이 처음이라면 DACON 101 (LV3, 14강 전처리 | 교차 검증 실습 K-Fold)
.png)
강의 콘텐츠 링크
35.파이썬 머신러닝이 처음이라면 DACON 101 (LV3, 15강 튜닝 | Bayesian Optimization )
.png)
Lv3. 교차검증과 LGBM 모델을 활용한 와인 품질 분류하기 15강 튜닝 | Bayesian Optimization 강의 콘텐츠
36.파이썬 머신러닝이 처음이라면 DACON 101 (LV3, 16강 튜닝 | 그리드, 랜덤 서치 vs Bayesian Optimization )
.png)
강의 콘텐츠
37.파이썬 머신러닝이 처음이라면 DACON 101 (LV3, 17강 튜닝 | 파이썬 Bayesian Optimization 실습 )
.png)
\> 강의 콘텐츠
38. 파이썬 머신러닝이 처음이라면 DACON 101 (LV4, 1강 EDA | seaborn pairplot)
.png)
DACON 101 (LV4, 1강)Lv4 EDA 1/5 python 파이썬 seaborn pairplotseaborn의 pairplot은 데이터에 들어 있는 각 컬럼(열)들의 모든 상관 관계를 출력합니다.3차원 이상의 데이터라면 pairplot 함수를 사용해 분포도를
39.파이썬 머신러닝이 처음이라면 DACON 101 (LV4, 2강 EDA | seaborn distplot)
.png)
seaborn의 distplot 함수는 데이터의 히스토그램을 그려주는 함수입니다. 히스토그램이란 수치형 데이터 분포를 정확하게 표현해주는 시각화 방법입니다. 변수를 여러 개의 bin으로 자르고(사용자 지정) bin당 관측수를 막대그래프로 표현합니다.강의 링크
40.파이썬 머신러닝이 처음이라면 DACON 101 (LV4, 4강 EDA | 다중공선성 Scatter plot)
.png)
다중공선성다중공선선은 상관관계가 높은 독립변수들이 동시에 모델에 포함될 때 발생합니다.만약 두 변수가 완벽하게 다중공선성에 걸려있다면, 같은 변수를 두 번 넣은 것이므로 모델이 결괏값을 추론하는 데 방해가 될 수 있습니다. 다중공선성 확인다중공선성을 확인 하는 방법은
41.파이썬 머신러닝이 처음이라면 DACON 101 (LV4, 3강 EDA | seaborn | heatamp)
.png)
히트맵 (Heat Map)히트맵은 두개의 범주형(Categorical) 변수에 대한 반응변수의 크기를 색깔의 변화로 표현하는 것입니다.예를 들어, 일 별 기온을 보고자 할때 , 매일 온도를 히트맵으로 표현하여 온도 변화의 추이를 볼 수도 있습니다. 데이터 분석 과정에
42.파이썬 머신러닝이 처음이라면 DACON 101 (LV4, 5강 EDA |다중공선성 VIF(분산 팽창 요인))
.png)
이번에는 변수의 다중공선성을 확인하는 방법 중 하나인 VIF(Variance Inflation Factors, 분산팽창요인)에대해 알아 보겠습니다. 👋VIF는 변수간의 다중공선성을 진단하는 수치이며 범위 1부터 무한대입니다.통계학에서는 VIF 값이 10이상이면 해당