1. 결정 트리(Decision Tree) 데이터 마이닝에서 일반적으로 사용되는 방법론으로, 몇몇 입력 변수를 바탕으로 목표 변수의 값을 예측하는 모델을 생성하는 것을 목표로 한다. 아래 그림은 그러한 예측 모델의 한 예를 나타내고 있다. 그림의 트리 구조에서, 각 내부 노드들은 하나의 입력 변수에, 자녀 노드들로 이어지는 가지들은 입력 변수의 가능한 값에 대응된다. 잎 노드는 각 입력 변수들이 루트 노드로부터 잎 노드로 이어지는 경로에 해당되는 값들을 가질 때의 목표 변수 값에 해당된다. 2. 랜덤 포레스트(Random Forest) 분류, 회귀 분석 등에 사용되는 앙상블 학습 방법의 일종으로, 훈련 과정에서 구성한 다수의 결정 트리로부터 부류(분류) 또는 평균 예측치(회귀 분석)를 출력함으로써 동작한..
1. 선형회귀(Linear Regression) 다음과 같은 선형 함수 y=Wx + b를 이용해서 회귀(Regression)를 수행하는 모델을 뜻한다. 이때 x,y는 가지고 있는 데이터이고, w와 b는 데이터에 적합한 값으로 학습될 수 있는 파라미터(Parameter)이다. 2. 손실 함수(Loss Function) - MSE 머신 러닝 모델을 학습시키기 위해서는 적절한 파라미터값을 알아내기 위해서 현재 파라미터값이 우리가 풀고자 하는 목적에 적합한 값인지를 측정할 수 있어야 한다. 이를 위해 손실 함수 J(θ)를 정의한다. 손실 함수는 여러가지 형태로 정의될 수 있다. 그 중 가장 대표적인 손실 함수 중 하나는 평균제곱오차(Meanof Squared Error(MSE))이다. MSE는 아래과 같은 수식..
머신러닝(Machine Learning) 명시적인 프로그래밍 없이 데이터를 이용해서 예측 또는 분류를 수행하는 알고리즘을 구현하는 기법 한국말로 기계학습이라고도 부름 1. 머신러닝(Machine Learning)이 필요한 이유 머신러닝 방법론을 이용할 경우, 인간이 정확히 하나하나 로직을 지정해주기 어려운 복잡한 문제를 데이터에 기반한 학습을 통해서 해결할 수 있다. ex. 어떤 사용자에게 어떤 광고를 보여주는 것이 최적의 광고 배분 전략일까? 머신러닝 알고리즘을 사용할 때 가장 중요한 부분은 머신러닝 모델이 잘 학습할 수 있도록 적절한 특징(Feature)을 설정해주는 것이다. 2. 예측 모델(Prediction Model)의 필요성 데이터 분석을 통한 정교한 예측 모델(Prediction Model)..
ggplot2() 데이터를 시각화하는데 있어서 간단한 설정만으로 다양한 그래픽 표현이 가능 하나의 데이터를 가지고도 여러 그래픽 표현이 가능 ggplot2패키지를 이용하기 위해서는 아래와 같은 작업이 필요 install.packages("ggplot2") library(ggplot2) 1. qplot() r에서 기본적으로 사용하는 plot()함수와 비슷한 구조를 가진 함수 형식: qplot(x,y,data=,color=,shape=,size=,alpha=,geom=,method=,formula=,facets=,xlim=,ylim=,xlab=,ylab=,main=,sub=) > a b qplot(b,a,col="yellow") 결과 2. ggplot() ggplot(data,aes(x=x축 데이터,y=y축..
1. 그래프 중첩하여 그리기 두 개 이상의 그래프를 하나의 그래프에서 보여주는 작업 구현방법: par(new=TRUE) 사용 > plot.new() > y1 y2 x par(new=TRUE) > plot(x,y1,ylab="소비자물가상승률",type='l',col='red',ylim=c(0.3,1.5)) > par(new=TRUE) > plot(x,y2,lty="dotted",type='l',col='blue',ylim=c(0.3,1.5)) > legend(5,1.4,legend=c("2015년","2016년"),lty=1,bg="yellow",col=c("red","blue")) 결과 2. 막대 그래프 그리기: barplot() 막대 그래프를 구현하기 위한 함수: barplot(인자) 주요인자 name..
- Total
- Today
- Yesterday
- Programming
- 보안
- python
- 금리
- 코딩
- 프로그래밍
- 코테
- SW
- 데이터분석
- 파이썬
- 머신러닝
- 경제
- 함수
- 그래프
- 스마트워치
- sql
- 영어
- 개발
- 프로그래머스
- plot
- 경제신문
- 코드
- mysql
- 데이터
- 코딩테스트
- 영어회화
- 클래스
- R
- 자바
- 모듈
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |