728x90 SMALL 분류 전체보기100 [머신러닝] k-최근접 이웃 회귀(농어 무게 예측) * 교재: 혼자 공부하는 머신러닝+딥러닝 (hanbit.co.kr) * 문제: k-최근접 이웃 회귀를 사용하여 농어의 무게를 예측한다. 농어의 길이와 무게를 통해 농어의 무게를 예측하는 k-최근접 이웃 회귀 모델을 만든다. * 문제 해결 과정 1. 농어 데이터 준비하기 2. 훈련 세트와 테스트 세트 만들기 3. KNeighborsRegressor 클래스를 임포트 한 후 객체 만들기 4. 모델 훈련 및 평가하기 5. 과대적합과 과소적합 1) 과소적합 경험하기 2) 과소적합 해결하기 1. 농어 데이터 준비하기 농어 56마리의 길이와 무게 리스트를 준비해 보자. import numpy as np perch_length = np.array([8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7.. 2023. 1. 28. [머신러닝] 데이터 전처리(생선 분류 문제3) * 교재: 혼자 공부하는 머신러닝+딥러닝 (hanbit.co.kr) * 문제: 데이터 전처리로 특성의 스케일을 조정한다. 새로운 샘플로 스케일이 다른 두 특성의 문제점을 경험해 보고 이를 해결하기 위해 데이터 전처리 작업을 거쳐 도미와 빙어를 구분하는 머신러닝 프로그램을 만든다. * 문제 해결 과정 1. 생선 데이터 준비하기 2. 넘파이로 2차원 리스트 만들기 3. 훈련 세트와 테스트 세트 만들기 1) train_test_split() 함수 임포트하기 2) fish_data와 fish_target 나누기 4. 모델 훈련 및 평가하기 5. 데이터 전처리 6. 전처리 데이터로 모델 훈련 및 평가하기 1. 생선 데이터 준비하기 도미 35마리와 빙어 14마리를 합친 총 49마리의 생선의 길이와 무게 리스트를 준.. 2023. 1. 20. [머신러닝] 샘플링 편향, 넘파이(생선 분류 문제2) * 교재: 혼자 공부하는 머신러닝+딥러닝 (hanbit.co.kr) * 문제: 넘파이를 사용하여 샘플링 편향을 해결한다. 샘플링 편향을 경험해 보고 이를 해결하기 위해 넘파이를 사용하여 도미와 빙어를 구분하는 머신러닝 프로그램을 만든다. * 문제 해결 과정 1. 생선 데이터 준비하기 2. 2차원 리스트 만들기 3. KNeighborsClassifier 클래스를 임포트 한 후 객체 만들기 4. 훈련 세트와 테스트 세트 만들기 5. 훈련 세트로 모델 훈련하기 6. 테스트 세트로 모델의 성능 평가하기 → 샘플링 편향 7. 생선 데이터를 2차원 넘파이 배열로 변환하기 1) 넘파이 라이브러리 임포트 하기 2) 넘파이 array() 함수에 파이썬 리스트 전달하기 8. 랜덤하게 샘플을 선택해 훈련 세트와 테스트 세트.. 2023. 1. 15. [머신러닝] k-최근접 이웃(생선 분류 문제) * 교재: 혼자 공부하는 머신러닝+딥러닝 (hanbit.co.kr) * 문제: k-최근접 이웃을 사용하여 2개의 생선을 분류한다. 각 생선의 특징(무게, 길이)을 통해 도미와 빙어를 구분하는 머신러닝 프로그램을 만든다. * 문제 해결 과정 1. 도미 데이터 준비하기 2. 빙어 데이터 준비하기 3. 도미와 빙어 데이터를 하나로 합치기 4. 2차원 리스트 만들기 5. 정답 데이터 준비하기 6. k-최근접 이웃 알고리즘을 사용해 머신러닝 프로그램 만들기 1) KNeighborsClassifier 클래스 임포트하기 2) KNeighborsClassifier 클래스의 객체 만들기 3) 객체 훈련하기 4) 훈련된 객체(모델)의 성능 평가하기 1. 도미 데이터 준비하기 35마리의 도미의 길이와 무게 리스트를 준비해 .. 2023. 1. 13. 이전 1 ··· 22 23 24 25 다음 728x90 LIST
