# machine learning

887개의 포스트
post-thumbnail

[ML] - 지도학습, 비지도학습, 강화학습 (Supervised vs Unsupervised vs Reinforcement Learning)

지도학습, 비지도학습의 차이에 대해 탐구하고, 강화학습 원리에 대해 알아봄.

약 3시간 전
·
0개의 댓글
·
post-thumbnail

Random Forest

이번 포스트에서는 Random Forest에 대해서 다룹니다.Decision Tree는 오버 피팅에 대한 문제가 있다. Pruning을 통해 어느 정도 오버 피팅을 방지하려고 하지만 드라마틱 하게 해결이 되진 않는다. Random Forest는 Decision Tree

어제
·
0개의 댓글
·
post-thumbnail

Decision Tree

이번 포스트에서는 Decision Tree에 대해서 다룹니다. Background 어릴 적 스무고개 놀이를 떠올려보면 어떠한 정답에 도달하기 위해 계속 질문을 던져가며 답을 유추해가는 것을 알 수 있다. 매우 단순하지만 질문을 할수록 정답에 가깝게 유추할 수 있으며

3일 전
·
0개의 댓글
·

[딥러닝] 파이토치로 딥러닝 구현 (모델 생성, 모델 훈련, 모델 검증)(2) (feat. 파라미터 수 확인, torchsummary)

너무 길어질 것 같아 1과 2로 나누어 정리하겠습니다. (1) 링크 : https://velog.io/@ym980118/딥러닝-파이토치로-딥러닝-구현-데이터-전처리-이미지-시각화-모델-구현 1. 모델 생성 LeNet 사용 (모델 확인) > torchsummary를 통해 직관적으로 모델 확인 가능 > 파라미터 수 확인 2. 손실함수 & 옵티마이저 ...

6일 전
·
0개의 댓글
·
post-thumbnail

Graphical Models in Python

이전에 graph의 markov property을 살펴보며 markov property 하에서(parent 노드가 주어질 때 다른 노드들과의 조건부 독립성) graphical model을 다음과 같은 markov chain 형태로 나타낼 수 있음을 알았다.$$p(\\m

7일 전
·
0개의 댓글
·

2. 내가 보려고 정리한 pandas api

note: DataFrame은 Series의 집합참고로 df.describe()는 숫자형 칼럼에 대해서만 평균, 표준편차, 4분위 분포도를 제공✅

2022년 9월 25일
·
0개의 댓글
·

1. 내가 보려고 정리한 numpy api

필요한 모듈: import numpy as npBefore you read 핵심 api를 정리하기 위해 모듈에 내장되어 있는 함수는 np를 통해 참조하고넘파일 배열 객체의 메소드에 접근하기 위해 array을 통해 참조하는 것으로 통일한다. array2, array3,

2022년 9월 25일
·
0개의 댓글
·
post-thumbnail

4. 좋은 학습 데이터셋을 만드는 법 - 데이터 전처리 - 2

모델의 성능이 테스트 데이터보다 학습 데이터에서 잘 나온다면, overfitting의 결과로 파악할 수 있다. 이는 즉 모델이 high variance를 갖는다고 표현할 수 있는데, 주어진 데이터를 외우게 되어 발생하는 문제다.이를 해결하기 위한 방법으로는더 많은 학습

2022년 9월 22일
·
0개의 댓글
·
post-thumbnail

4. 좋은 학습 데이터셋을 만드는 법 - 데이터 전처리 - 1

본 장에서는, 데이터 전처리과정을 통해 모델의 입력으로 들어갈 학습 데이터셋을 잘 만드는 법에 대해 알아본다.

2022년 9월 19일
·
0개의 댓글
·
post-thumbnail

neptune.ai를 활용하여 실험 관리하기

딥러닝 모델을 만들고 실험하여 성능 평가를 할 때, 공통적으로 하게 되는 흐름이 있다.가장 Naive하게는 매 실험 결과를 Stdio로 출력하고 이를 Excel에 일일이 정리하는 것이다. 그러다 실험이 Stdio를 File 출력으로 전환하여 항상 앞에 앉아 있어야 하는

2022년 9월 18일
·
0개의 댓글
·

Machine Learning Summary #3

비지도 학습(unsupervised learning): 출력값이나 정보 없이 학습 알고리즘을 가르쳐야 하는 모든 종류의 머신러닝비지도 변환(unsupervised transformation): 데이터를 새롭게 표현하여 사람이나 다른 머신러닝 알고리즘이 원래 데이터보다

2022년 9월 15일
·
0개의 댓글
·
post-thumbnail

2. 분류를 위한 간단한 학습 알고리즘들 - 2

본 장에서는 또 다른 single-layer nerual network: ADAptive Linear NEuron(ADaline)에 대해 알아본다. Adaline은 퍼셉트론 이후에 나온 개념이라, 퍼셉트론에 비해 조금 더 발전했다고 생각된다.Adaline은 퍼셉트론과

2022년 9월 15일
·
0개의 댓글
·

cs4780

01 🦸🏻‍♂️ Supervised Learning04 🎲 MLE & MAP

2022년 9월 13일
·
0개의 댓글
·
post-thumbnail

2. 분류를 위한 간단한 학습 알고리즘들 - 1

본 장에서는 Classification을 위한 간단한 학습 알고리즘에 대해 학습한다.

2022년 9월 13일
·
0개의 댓글
·
post-thumbnail

넥슨 인텔리전스랩스 테크블로그를 소개합니다 👋

인텔리전스랩스의 기술은 넥슨의 게임 곳곳에 녹아들어있는데요. 플레이어가 최적의 환경에서 더 재미있게 게임을 할 수 있도록 인텔리전스랩스의 개발자와 분석가분들의 연구와 도전은 오늘도 계속되고 있습니다. 어떻게 일하고 어떤 기술들을 연구하고 만들어가고 있는지 확인해보세요

2022년 9월 13일
·
0개의 댓글
·

Machine Learning Summary #2

지도학습은 입력과 출력 샘플 데이터가 존재, 주어진 입력으로부터 출력을 예측하고자 할 때 사용분류(Classification): 미리 정의된, 가능성 있는 여러 클래스 레이블(class label) 중 하나를 예측하는 것 \-> 이진 분류(binary classific

2022년 9월 12일
·
0개의 댓글
·
post-thumbnail

Chapter 2. 지도 학습 - 1 ( ~ KNN )

✨ 지도 학습은 입력과 출력 샘플 데이터가 있고, 주어진 입력으로부터 출력을 예측하고자 할 때 사용 지도 학습에는 분류(classification)와 회귀(regression)이 있다.

2022년 9월 12일
·
0개의 댓글
·

[혼공머신] 1. 머신러닝과 딥러닝

박해선님의 『혼자 공부하는 머신러닝+딥러닝』(한빛미디어, 2020)를 2회독하며 시작하는 시리즈입니다.

2022년 9월 11일
·
0개의 댓글
·
post-thumbnail

Markov Chain Monte Carlo

MCMC라고도 하는 Markov Chain Monte Carlo 기법은 확률분포에서 샘플을 추출하는 여러 종류의 알고리즘을 일컫는다. 다양한 머신러닝 이론들이 등장하며, 기존 통계학에서 다룰 수 없을 정도의 수만-수백만 개의 변수 및 파라미터를 사용하는 모델들 역시 등

2022년 9월 11일
·
0개의 댓글
·
post-thumbnail

Mixture Model & EM-Algorithm

Mixture Model은 Latent Variable Model(LVM)의 일종이다. 여기서 LVM은 관측된 변수들간의 상관관계를 숨겨진 공통원인(common cause)에서 비롯된 것으로 가정한 모델이다. LVM을 이용하면, 차원축소(ex. PCA)를 수행하는 것과

2022년 9월 8일
·
0개의 댓글
·