💡 먼저 올린 Chapter 1.소개 -1과 이어지는 뒷 부분 내용

1.1. 왜 머신러닝인가 초창기 지능형 애플리케이션들은 데이터를 처리하고 사용자의 입력을 다루는 데 하드 코딩된 if와 else 명령을 사용하는 시스템이였다. 머신러ㅣㅇ을 사용하여 알고리즘에 많은 데이터를 제공해주면 특정 요소가 어떤 것인지를 충분히 찾아 낼 수 있다.

💡 많은 머신 러닝 알고리즘은 입력 데이터가 선형적으로 구분 가능하다는 가정을 한다

주성분 분석( Principal Component Analysis, PCA )을 사용한 비지도 데이터 압축하기 지도 방식의 차원 축소 기법인 선형 판별 분석( Linear Disriminant Analysis, LDA )을 이용하여 클래스 구별

소포트 벡터 머신, 결정 트리, knn

이 장에서 다룰 주제 강력하고 인기 있는 분류 알고리즘인 로지스틱 회귀, 서포트 벡터 머신, 결정 트리 소개하기 예제와 설명을 위해 사이킷런 머신 러닝 라이브러리 사용하기 선형 또는 비선형 결정 경계를 갖는 분류 알고리즘의 강점과 약점 설명하기

캘리포니아 주택가격 분석해보기

파이썬을 사용해서 단계적으로 퍼셉트론을 구현하고 붓꽃 데이터셋에서 훈련하여 꽃 품종을 분류

머신 러닝의 일반적 개념 이해하기세 종류의 학습과 기본 용어 알아보기