TIL - 05.21

# 핸즈온 머신러닝

 

'tenserflow'

 

인공지능 :  사람의 능력, 기능 -> 컴퓨터로 구현 (머신러닝 아닌 예시 : 전문가 시스템)

머신러닝 : 대량의 데이터를 활용하여 스스로 패턴이나 규칙, 특성을 학습한다. ( 데이터 의존적 - driven)

딥러닝 : + 인공신경망으로 이뤄져있다. (neural networks) :  최초의 신경망 : Perceptron, Signoid?

임계점을 꼭 필요로 하지 않는다.(일부만 가지고 있다?)

 

 

방식 예시

머신러닝 : SYM, K-nearset neighbor, random foerst

딥러닝 : DNN, CNN, RNN(LSTM) , Transformer, GPT ..

 

 

Supervised

Classification  - Labeling -

Regression : 회귀 분석 - 가격예측 회귀 // linear?

제주도 특산물 , 캘리포니아 집값 예측 

 

 

UnSupervised Learning

Clusterig Algorithm - Predictive // 그룹으로 나눠주지만 그것이 무엇인진 모른다

고객 군집화 :  전소현 튜터님 // 장학금 분배를 위한 학생 분류 : 서정욱 튜터님

Dimensionality Reduction : 차원 축소 - 데이터 정제

 

 

Reinforecement Learning

Agent, Enviorment

-> action

<- state, reword

 

 

정규 분포가 한쪽으로 쏠린다

가시안?

 

테스트 세트 만들기

머신러닝 평가할 떄 사용할 데이터를 분석하기 전에 미리 빼놓기

분석 할 때 평가 데이터를 미리 분석하게 되면 -> 평가에 유리한 분석을 해버릴 수 있음( 일반화 x)

 

 

# 랜덤하게 데이터를 나누어줌
from sklearn.model_selection import train_test_split

train_set, test_set = train_test_split(housing, test_size = 0.2, random_state=42)

# random_state : seed값
# 결과를 비교할 때 (랜덤으로 달라질 수 있는 상황을 일치시켜주기 위해서)
# 나중에 비교할 때 서로 같은 random state 를 써야 함

변수를 정하지 않으면 돌릴 떄 마다 바뀐다.