인공지능 머신러닝 - Decision Tree 모델

Decision Tree (결정트리 혹은 판단트리) 의사 결정 규칙과 결과들을 트리 구조로 도식화 한 것 의사 결정 분석에서 목표에 가장 가까운 결과를 낼 수 있는 전략을 찾기 위해 사용 Decision Tree 라이브러리 호출 import matplotlib.pyplot as plt # 표 작성을 위한 라이브러리 import pandas # 데이터프레임 사용을 위한 라이브러리 from sklearn.preprocessing import StandardScaler # 피처 스케일링 표준화 사용을 위한 라이브러리 from sklearn.model_selection import train_test_split # 인공지능 학습을 위한 라이브러리 from sklearn.tree import DecisionTre..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 5. 9.
• textsms

인공지능 머신러닝 - 샘플 데이터를 이용하여 데이터셋 활용하기(Datasets)

# Datasets sklearn.datasets 안에 있는 샘플 데이터들 주로 인공지능 머신러닝을 할 때 튜토리얼용으로 사용 # datasets 호출하기 from sklearn.datasets import 로드할 데이터셋 데이터셋 샘플은 함수 호출시 import 이후에 load를 입력하고 Tab 키를 누르면 목록을 확인할 수 있다. # datasets 목록 load_boston : 보스턴 집 값 데이터 load_breast_cancer : 유방암 환자 데이터 load__diabetes : 당뇨병 환자 데이터 load_digits : 손글씨 데이터 등등... # datasets 특징 샘플 데이터로 불러온 데이터는 Bunch 타입을 가짐

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 5. 9.
• textsms

인공지능 머신러닝 - 최적의 인공지능 모델 찾기 (GridSearchCV)

Grid Search 인공지능 모델을 설정한 하이퍼 파라미터를 통해 최적의 성능을 보이는 하이퍼 파라미터를 찾는 것 이 글은 인공지능 모델을 SVC로 사용하였으며, 학습 데이터와 테스트 데이터에 대한 결과는 아래의 글에서 확인 가능합니다. 인공지능 SVC 모델 글 보러가기 : https://luvris2.tistory.com/53 하이퍼 파라미터 (Hyper Parameter) 사용자가 직접 설정해줘야 하는 값 어떤 값을 설정하느냐에 따라 인공지능의 성능이 달라짐 파라미터와 하이퍼 파라미터 파라미터 : 인공지능이 학습하는 과정에서 생성 하이퍼 파라미터 : 사용자가 직접 설정하여 인공지능 모델링 라이브러리 호출 from sklearn.model_selection import GridSearchCV Grid..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 5. 9.
• textsms

인공지능 머신러닝 - Support Vector Machine 모델 (SVM)

# SVM (Support Vector Machine) 자료 분석을 위한 지도 학습 모델이며, 주로 분류(SVC)와 회귀(SVR) 분석을 위해 사용 SVC : Support Vector Classification, 분류 모델 주어진 데이터 집합을 바탕으로 새로운 데이터가 어느 카테고리에 속할지 판단 만들어진 분류 모델은 데이터가 경계로 표현, 그 중 가장 큰 폭(Margin)을 가진 경계를 찾는 것 = 즉, 마진을 최대화하는 것 마진(Margin) : 분류선(경계)에서 가장 가까운 데이터와의 거리 마진을 최대화하여 분류하기 때문에 구분하기 힘든 것까지 잘 분류하는 문제에 적합 SVR : Support Vector Regression, 회귀 모델 # SVM 라이브러리 호출 import matplotlib...

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 5. 9.
• textsms

fit, fit_transform, transform 함수 사용법과 차이점

# fit 함수 인공지능 모델에게 데이터를 학습시킬 때 사용 # fit_transform() / transform() 함수 스케일러나 인코더 사용시 호출 (인공지능 모델을 학습시키기 위해 데이터 전처리) transform() fit의 학습시킨 데이터를 실제로 적용하는 함수 fit_transform() fit으로 인공지능 모델에게 데이터를 학습시키고, transform으로 실제 적용하는 함수 # fit_transform - training data(학습용 데이터) training data에 사용 모델은 training data에 있는 평균과 분산을 학습 학습된 파라미터는 test data를 스케일하는데 사용 # transform - test data(테스트용 데이터) training data로부터 학습된 ..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 5. 9.
• textsms

인공지능 머신러닝 - 최근접 이웃 모델(K-Nearest Neighbor =K-NN)

# 최근접 이웃 (K-Nearest Neighbor =K-NN) 특정 공간내 가장 가까운 데이터의 갯수로 인접한 카테고리로 분류하는 것 # 최근접 이웃 모델(K-NN) 이해하기 새로운 데이터가 추가 될 경우, 분류를 어떻게 할 것인가? 가장 가까운 데이터들의 갯수를 확인 인접 데이터의 갯수가 많은 카테고리로 분류 # 최근접이웃 라이브러리 호출 import matplotlib.pyplot as plt # 표 작성을 위한 라이브러리 import pandas # 데이터프레임 사용을 위한 라이브러리 from sklearn.preprocessing import StandardScaler # 피처 스케일링 표준화 사용을 위한 라이브러리 from sklearn.model_selection import train_te..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 5. 9.
• textsms