모델훈련 다양한 머신러닝 모델과 훈련 알고리즘의 상세 사항을 실제로 알아야 할 필요는 없으나, 어떻게 작동하는지 이해하고 있으면 적절한 모델, 올바른 훈련 알고리즘, 작업에 맞는 좋은 하이퍼파라미터를 빠르게 찾을 수 있습니다. 먼저 가장 간단한 모델중 하나인 선형회귀
다항회귀 가지고 있는 데이터가 직선이 아닌 복잡한 형태일때 사용 각 특성의 거듭제곱을 새로운 특성으로 추가하고, 확장된 특성을 포함한 데이터셋에 선형모델을 학습시키는 기법 실습 > * 2차 함수의 형태를 한 데이터 생성 > * sklearn의 PolynomialFe
로지스틱 회귀는 샘플이 특정 클래스에 속할 확률을 추정하는데 사용됩니다.하나의 훈련 샘플에 대한 비용 함수$$c(\\boldsymbol{\\theta}) =\\begin{cases} \-\\log(\\hat{p}) & \\text{if } y = 1, \\ \-\\
선형 SVM 분류 - 서포트 벡터 머신은 선형이나 비선형 분류, 이상치 탐색에도 사용할 수 있는 매우 강력한 다목적 머신러닝 모델입니다.