728x90 SMALL 농어 무게 예측3 [머신러닝] 릿지, 라쏘(농어 무게 예측3) * 교재: 혼자 공부하는 머신러닝+딥러닝 (hanbit.co.kr) * 문제: 릿지와 라쏘 회귀로 과대적합을 해결한다. 여러 개의 특성을 사용한 다중 회귀 모델의 과대적합을 경험해 보고 이를 해결하기 위해 릿지와 라쏘 모델을 훈련한다. * 문제 해결 과정 1. 판다스를 사용하여 농어 데이터 준비하기 2. 훈련 세트와 테스트 세트 만들기 3. 사이킷런 변환기로 특성 변환하기 4. 다중 회귀 모델 훈련 및 평가하기 5. 규제 6. 릿지 회귀 7. 라쏘 회귀 1. 판다스를 사용하여 농어 데이터 준비하기 농어의 특성을 길이, 높이, 두께로 3개를 사용할 것이 때문에 데이터를 준비하기 번거롭다. 따라서 판다스를 사용하면 인터넷에서 데이터를 바로 다운로드하여 사용할 수 있다. 판다스는 데이터 분석 라이브러리이다. .. 2023. 1. 31. [머신러닝] 선형 회귀, 다항 회귀(농어 무게 예측2) * 교재: 혼자 공부하는 머신러닝+딥러닝 (hanbit.co.kr) * 문제: 선형 회귀를 사용하여 훈련 세트 범위 밖의 샘플을 예측한다. k-최근접 이웃 회귀와 선형 회귀의 문제점을 경험해 보고 이를 해결하기 위해 다항 회귀를 사용하여 농어의 무게를 예측하는 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 훈련하기 5. 선형 회귀 6. 다항 회귀 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, 1.. 2023. 1. 30. [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. 이전 1 다음 728x90 LIST
