2wnswoo 님의 블로그

[Deep-Learning] 02

의사결정 트리, decision tree지도학습 알고리즘Ex. 스무고개 놀이엔트로피 : 정답에 대한 불확실성을 수치화 한 것정보 이득 = 질문 전의 엔트로피 - 질문 후의 엔트로피단점은, 쉽게 overffiting 된다는 것이다.나이브 베이즈 분류 알고리즘, Naive bayes *naive = 단순한데이터를 나이브하게 독립적인 사건으로 가정하고, 이 독립 사건들을 베이즈 이론에 대입시켜 가장 높은 확률의 레이블로 분류를 실행하는 알고리즘이다. *이산적이다 : 연속적이지 않고 끊어져 있는 상태를 의미 Ex. 1, 3, 7 같은 개별적인 숫자 📌 앙상블 기법 (Ensemble Learning)여러 개의 모델을 조합하여 개별 모델보다 더 나은 성능을 내는 방법배깅(Bagging, Bootstrap Aggr..

지도학습 Supervised learning학습시 데이터에 대한 레이블( 정답 )을 함께 부여하는 학습 방식정답값 = 레이블, 실제값, 타깃, y값예측값 = 분류값, y hat비지도 학습 Unsupervised learning학습시 레이블 없이 데이터만 필요함--분류와 회귀데이터가 입력됐을 때 분류는 분리된 값으로 예측 Ex. 덥다/춥다회귀는 연속된 값으로 예측 Ex. 30.5도, 3.5도분류에는 이진분류/다중분류 로 나뉨--머신러닝 모델 학습에 가장 큰 영향을 주는 것은 데이터.이 데이터에서 충분히 특징을 찾아내지 못하고 머신러닝 모델을 학습할 경우 모델이 과소적합, underfitting 되기 쉬움필요 이상의 특징으로 학습할 경우,머신러닝 모델이 학습데이터에서만 높은 정확도를 가지는 경우, 과대적합,..