혼공9기 혼공머신 1주차 시작합니다.

✅혼자 공부하는 머신러닝+딥러닝
진도: Chapter 01-02

기본 미션: 구글코랩 만들기, 코랩 캡처,
선택 미션: 02-1 확인문제 풀고, 풀이 과정 정리

코랩 노트북을 하나 만들어서 처음부터 02-2까지 한 번에 주욱 했습니다.

기본 미션: 코랩

01-3 마켓과 머신러닝
도미와 빙어 데이터로 생선 분류 하기

첫 번째 머신러닝 프로그램
확인 문제

kn = KNeighborsClassifier()
kn.fit(fish_data, fish_target)
for n in range(5,50):
kn.n_neighbors= n
score= kn.score(fish_data, fish_target)
if score < 1:
print(n,score)
break

02-1 훈련 세트와 테스트 세트
두 번째 머신러닝 프로그램

02-2 데이터 전처리
데이터를 표현하는 기준이 다르면 거리 기반인 알고리즘이 예측불가능. 특성값을 일정한 기준으로 맞춰주는 것이 데이터 전처리.

표준점수(Z점수)는 각 특성값이 0에서 표준편차의 몇 배만큼 떨어져 있는지를 나타냄. 이를 통해 실제 특성값의 크기와 상관없이 동일한 조건으로 비교 가능

mean = np.mean(train_input, axis=0)
std = np.std(train_input, axis=0)
train_scaled = (train_input - mean) / std

new = ([25, 150] - mean) / std
plt.scatter(train_scaled[:,0], train_scaled[:,1])
plt.scatter(new[0], new[1], marker='^')
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

kn.fit(train_scaled, train_target)
test_scaled = (test_input - mean) / std
kn.score(test_scaled, test_target)

distances, indexes = kn.kneighbors([new])

plt.scatter(train_scaled[:,0], train_scaled[:,1])
plt.scatter(new[0], new[1], marker='^')
plt.scatter(train_scaled[indexes,0], train_scaled[indexes,1], marker='D')
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

Github
https://gist.github.com/rickiepark

선택 미션: 확인 문제

1. 지도학습은 입력과 타깃을 전달하여 모델을 훈련한 다음 새로운 데이터를 예측하는데 활용. 1장부터 사용한 k-최근접 이웃이 지도학습 알고리즘.

2. 샘플링이 한쪽으로만 치우쳤다는 의미의 샘플링 편향. 훈련 세트와 테스트 세트를 나누기 전에 데이터를 섞든지 아니면 골로루 샘플을 뽑아서 세트들을 만들어 주어야 함. 파이썬의 배열 라이브러리 넘파이numpy가 이런 작업을 간편하게 처리할 수 있도록 해 줌.

3. 행 - 선 - 샘플 갯수
   열 - 특성 - 생선 무게나 길이 같은 데이터 표현하는 성질

🙋‍♂️Q&A: 박해선 저자님의 github
💻유튜브 강의: 👉전체 강의 목록