# ML
추천시스템 적용?기 - 1
Introduce 안녕하세요 자르반입니다. 오늘은 저번 포스팅에 이어 추천시스템에 관련된 내용인데요, 이번에는 실제 추천시스템을 적용하기 위해 알아본 3가지를 포스팅할 계획입니다. > 1. content-based에서 어떤 기준으로 content를 추천할 것인지.
추천시스템 대체 그게 뭐야?
안녕하세요 자르반입니다. 오늘은 제가 하고 있는 프로젝트에서 추천시스템을 적용할 일이 생겨이에 대해 공부하고 공부한 것을 적어보려고 합니다.
확률론 Basic
확률론 기본개념 회귀에서는 L2 norm으로 예측오차의 분산을 가장 최소화하는 방향으로 학습한다. 분류에서는 교차 엔트로피로 모델예측의 불확실성을 최소화하는 방향으로 학습한다. 확률변수 종류 확률분포 $$D$$에 따라 1) 이산확률변수 확률변수가 가질 수 있
소프트맥스, 활성함수, 역전파
모델의 출력을 확률로 해석할 수 있게 변환해주는 연산이다.$softmax(o) = (\\frac{exp(o1)}{\\sum{k=1}^{p}exp(ok)},\\cdots,\\frac{exp(o_p)}{\\sum{k=1}^{p}exp(o_k)})$$\\mathbb{R}^p
분류 모델 평가지표 (Confusion Matrix)
< 분류에서 사용하는 성능지표 >ref) https://yngiec.github.io/machine%20learning/2020/05/01/val_eval/분류에서 가장 많이 사용되는 오분류표이다. 행렬의 배치는 그리는 사람에 따라 달라질 수 있으며, S
[TIL] 배치 학습이 뭐지??
배치학습 ML을 공부하던 도중 미니 배치 경사 하강법 / 배치 경사 하강법과 같은 단어를 듣게 되었다. 배치라는 단어를 많이 듣긴 했는데... 무슨 뜻일까?
데이터 스케일링(Data Scaling), 로그 변환
데이터 스케일링(Data Scaling) :* 데이터 값의 스케일(범위)를 조정*해주는 것이다. 특성 별로 값의 스케일이 다르다면, 머신러닝이 제대로 작동하지 않을 수 있기 때문에 데이터 스케일링 작업을 해주어야 한다. scikit-learn은 다양한 scaler를
행렬, 역행렬, 경사하강법
벡터를 원소로 가지는 2차원 배열코드(넘파이) 에서는 행벡터 기준으로 한다.$X = \\begin{bmatrix} x{11} & x{12} & \\cdots & x{1m} \\ x{21} & x{22} & \\cdots & x{2m} \\ \\vdots & \\vdot
Beautiful Soup (간단한 웹 크롤링)
위의 BeautifulSoup를 import하지 않고직접 패키지를 다운 받을 수 있다.=> !pip install BeautifulSoupurl을 가져올 때 영어와의 byte차이로 인해 깨진다.우리가 잘 아는페이지 없음의 404와 같은 숫자처럼성공을 뜻하는 것은 200
SVM
표기법 편향 $$\\theta_0$$과 입력 특성의 가중치 $$\\theta_1$$에서 $$\\theta_n$$까지 전체 모델 파라미터를 하나의 벡터 $$\\theta$$에 넣는다. 편향에 해당하는 입력값 $$x_0=1$$추가 편향 = b 특성의 가중치 벡터 =
분류 / 이진분류, 성능측정, 다중분류
분류 데이터셋으로 가장 유명한 MNIST 데이터셋을 사용하였습니다.위의 코드를 이용하여 사용할 수 있습니다.문제를 예 / 아니오 로만 구별하는 분류기가 이진 분류기입니다.SGD(확률적 경사 하강법)Classifier를 사용해보았습니다. SGD분류기는 무작위성을 가지고
앙상블에 관하여
앙상블의 사전적인 의미는 '전체적인 어울림 혹은 통일'이다. 이를 머신러닝에 빗대어 본다면 하나의 알고리즘으로 여러개의 모델을 학습하는 것이라 할 수 있다.Decision Tree(결정 트리) 알고리즘이 가장 대표적이라고 할 수 있겠다.(아래의 그림과 같은 것을 결정트
Regreesion, 선형 회귀 알아보기
MSE (Mean Squared Error)를 최소화UntitledTrain set과 validation set의 구성을 여러번 분할overfitting을 방지UntitledOLS loss function + 절댓값0에 수렴하면 feature가 target에 영향을 주
[혼공머] 손실 함수(loss function), 조기 종료(early stopping), hinge loss
👩🔬 이번에는 혼공머 책의 챕터 4-2 파트입니다.📚 혼자공부하는머신러닝+딥러닝, 한빛미디어🔗 서포트 벡터머신, SVM - (2)확률적 경사 하강법(SGD)미니배치 경사 하강법(Minibatch gradient descent)배치 경사하강법(Batch grad
[혼공머] 배치와 미니 배치, 확률적 경사하강법
👩🔬 이번에는 혼공머 책의 챕터 4-2 파트입니다.📚 혼자공부하는머신러닝+딥러닝, 한빛미디어📄 Gradient Descent - 경사하강법, 편미분, Local Minimum📑 경사하강법(Gradient Descent)🔗 배치와 미니 배치, 확률적 경사하강
[혼공머] Logistic Regression(로지스틱 회귀)
공부 벌레🐛 되려다 머리가 터지려는 요즘...🤯📚 교재: 혼자 공부하는 머신러닝+딥러닝🔗 로지스틱 회귀🔗 로지스틱 회귀분석의 원리와 장점🔗 위키백과 - 로지스틱 회귀저는 위 교재 흐름을 바탕으로 개념 정리 중입니다.이번 포스팅은 챕터 4-1 로지스틱 회귀에
