Data Mining

Logistic Regression을 이용하여 주가의 상승 / 하락 여부를 예측해보자.

베이즈 정리 (Bayes' Theorem)을 기반으로 하는 LDA, QDA 분류기와 나이브 베이즈.

지난 포스트에서 Logistic Regression을 이용하여 주식 시장을 예측해 보았다. 이번에는 LDA, QDA, Naive Bayes를 이용한 모델을 적용해보자.

또 다른 클래스 분류 방법 K-최근접 이웃(K-Nearest Neighbors : KNN)에 대해 소개하겠다.

지금까지 알아본 분류 모델들의 성능을 평가해보고, 각 모델들을 비교해보자.

Test Error Rate를 추정할 때 사용할 수 있는 Test Data가 없다면 어떻게 해야할까?

지금까지 선형 회귀모형을 적합할 때 Least Squares Methods를 이용했다. 하지만 이를 대체할 다른 방법들 역시 존재한다.

모델의 성능개선 방법 중 하나인 Shrinkage Method에는 어떤 것들이 있을까?

데이터의 차원을 축소하는 기법들에 대해 알아보자.