인프런 권철민님 강의 정리

Section1: 파이썬 기반의 머신러닝과 생태계 이해

• Lecture

머신러닝의 개념

머신러닝, 왜 필요한가?

• 복잡한 문제를 데이터를 기반으로 숨겨진 패턴을 인지해 해결한다.
• 더 빠른 결정 및 의사결정이 가능
• 데이터에 감춰진 인사이트를 발굴해 이익으로 연결됨

머신러닝 분류

• 지도학습: 분류, 회귀, 시각/음성 감지/인지
• 비지도학습: 군집화/차원축소
• 강화학습

머신러닝의 단점

• 데이터에 의존적이다 (Garbage in, Garbage out)
  • 단순히 편향된 많은 데이터가 아닌, 다양한 데이터가 필요함
• 과적합 문제
• 블랙박스
• 데이터만 넣는다고 자동으로 최적된 결과를 주지 않음
  • 데이터 특성 파악 및 최적 알고리즘과 파라미터를 구성할 수 있는 능력 필요

Numpy (기초 내용 pass)

인덱싱 유형

불린 인덱싱의 메커니즘

정렬

• np.sort: 원행렬은 유지한 채, 정렬된 행렬을 반환 (= sorted)
• ndarray.sort: 원행렬이 정렬된 형태의 index를 반환

Pandas (기초 내용 pass)

• index: DB의 PK와 비슷하지만, 식별용으로만 쓰임

Missing data

• isna(): NaN인지 파악 후 True/False 반환
• fillna(): 주어진 값으로 대체