# machine learning

ayleen9506

입력 특성에 대한 선형함수를 만들어 예측을 수행하는 모델다양한 선형모델이 존재하며 분류와 회귀에 모두 사용 가능하다.머신러닝의 가장 큰 목적은 실제 데이터를 바탕으로 모델을 생성해서 입력값을 넣었을 때 발생할 결과값을 예측하는 데에 있다.이 때 우리가 찾아낼 수 있는

ayleen9506

Decision Tree 스무고개하듯이 예/아니오 질문을 반복하며 학습한다. 특정 기준(질문)에 따라 데이터를 구분하는 모델이다. 분류와 회귀에 모두 사용가능하다.

dannialism

이번 프로젝트는 그 동안 배운 모델을 이용하여 실제 머신러닝 모델을 만들어 예측하는 프로제트였다.문제를 직접 수립하고 데이터 또한 직접 선정하여 프로젝트를 진행했다. 2022년 카타르 월드컵 결과를 예측하는 모델을 이번 프로젝트 주제로 정했다.모델을 적요하기전 EDA과

withdongyeong

End-to-End ML project example 주택값 예측 문제 데이터 : 문제 정의 지도학습 / 비지도학습 / 강화학습 : label이 있기 때문이다 분류 문제 / 회귀문제 : 배치학습 / 온라인 학습 성능측정지표 선택 평균 제곱근 오차(root

be1le

오늘은 Deep learning에 대해 글을 써볼 생각이다..!딥러닝의 역사와 신경망을 이해하고 만드는 데 필요한 각종 개념을 알아본 후 신경망을 직접 디자인 해보자! 기존의 머신러닝은 AND,OR문제로부터 파생되었다. 이런 문제는 직선 하나만 있으면 되서, 논리회

wjleekr927

Viterbi algorithm의 일부를 neural network로 대체한 논문.

sejung

Studying ML(Machine Learning), many novice developer might confuse what they learn about at first. Data Preprocessing is one of the most needed abilit

claude_ssim

Bayesian Inference Bayesian inference는 MLE와 MAP와는 다른 방법으로, model parameter를 추정하고자 할 때 가장 근본이 되는 학습에 사용되는 방법이다. Model parameter $$\theta$$를 추정하고 random

gibonki77

이 시리즈는 Variational Inference를 소개, 실습하고 더 나아가 VAE로 손글씨를 생성해보는 과정을 거칠 예정입니다. 이번 포스트에서는 본격적으로 Variational Inference의 의미에 대해 살펴보겠습니다.

stella_y

TFX 가 뭐고, 어떤 구성요소, 라이브러리를 포함하는지 확인한다. 또한 우리 시스템에 적용이 가능한 부분이 있는지 확인한다.특히 TFX라이브러리 중 TFT(TensorFlow Transform)부분만 독립형 라이브러리로 사용해본 바 있는데, 아래 네개 구성요소에 대해

designc

기간: 2019.01.01 ~ 2021.08.31from sklearn.model_selection import train_test_splitfrom sklearn.metrics import mean_squared_error, r2_scorefrom sklearn.de

designc

from sklearn.model_selection import train_test_splitfrom sklearn.metrics import mean_squared_error, r2_scorefrom sklearn.decomposition import PCAfrom

designc

데이터 분석을 하며 공부한 점 >- ##### 다양한 소스에서 데이터 수집 >- ##### 수집한 데이터를 목적에 맞게 전처리 >- ##### 데이터 모델링 및 모델 간 교차검증 >- ##### 다변량 시계열 분석 최종 모델 개발 다양한 소스에서 데이터 수집 >- ##### KOPIS에서 제공해준 데이터 >- ##### KOPIS 홈페이지에 공개해 둔 데...

jin0choi

2019년 12월에 서울에 올라와 강의를 하다가, 실력의 부족함을 깨닫고 2020년 6월에 입사한 첫 회사를 시작해서 2020년 11월에 퇴사했다. 곧바로 현재 재직 중인 회사에 바로 입사를 하였고 개발자의 경력으로서 꽉 채운 첫 1년이다.

be1le

막상 ai trcak 공부를 시작하면서 내가 느낀 것은 무엇보다도 기본이 중요하다는 것 이였다. Ai 백엔드 개발자가 되고 싶다면 js나 프론트 관련 지식은 당연하며 ai track 공부는 그다음이라는 것 이다. 오늘은 머신러닝과 딥러닝의 차이도 몰랐던 내가 처음 머신

p3pwp3p

우리는 주어진 300개의 데이터를 가지고 사진을 출력하고 분류했다. 우리는 항상 한정된 용량 안에서 살고있기 때문에 너무 많은 데이터를 가지고 있으면 데이터를 계속 추가해도 언젠가 뱉어내는 데이터가 생긴다. k-평균 알고리즘으로 업로드된 사진을 클러스터로 분류하여 폴더

ksj5738

💡 많은 머신 러닝 알고리즘은 입력 데이터가 선형적으로 구분 가능하다는 가정을 한다

ksj5738

주성분 분석( Principal Component Analysis, PCA )을 사용한 비지도 데이터 압축하기 지도 방식의 차원 축소 기법인 선형 판별 분석( Linear Disriminant Analysis, LDA )을 이용하여 클래스 구별

dlwns97

MLP, CNN의 개념 및 학습 성능 비교실험의 dataset으로 CIFAR 10을 사용했다.전체 소스코드는 차후에 github으로 제공한다.

stone1098

사이킥런에서 제공하는 붓꽃(Iris) 데이터를 활용해 품종을 분류(Classification)을 실행 분류(Classification) : 독립변수값이 주어졌을 때 그 값과 가장 연관성이 큰 종속변수값 (클래스)을 예측하는 문제 데이터 유형 : 150x4 numpy