코딩두의 포트폴리오

다중 회귀여러 개의 독립 변수(설명 변수 또는 예측 변수)를 사용하여 종속 변수(타깃 또는 결과 변수)를 예측하는 방법 다항 회귀는 하나의 독립 변수 또는 여러 독립 변수를 사용 (차이점)  판다스데이터 구조와 데이터 조작 도구를 제공하여 데이터 분석 작업 수행데이터 프레임은 다차원 배열  훈련 셋, 데이터 셋으로 넘파이 배열을 나눴다고 가정객체 생성  선형 회귀종속 변수 y와 한 개 이상의 독립 변수 (또는 설명 변수) X와의 선형 상관 관계를 모델링하는 회귀분석 기법  특성 만들기규제 - 과대적합을 방지하는 용도로 머신러닝 모델이 훈련 세트를 너무 과도하게 학습하지 못 하도록 훼방정규화라고 표현하기도 함 (여기서는 혼돈으로 인해 규제로)  표준화스케일 차이 제거, 수렴 속도 향상을 위해 규제 전에 표..

문제 발견  산점도  선형 회귀알려진 다른 관련 데이터 값을 사용하여 알 수 없는 데이터의 값을 예측하는 데이터 분석 기법직선의 방정식을 찾는 것특성 여러개 사용 -> 복잡한 모델 생성 가  사이킷런의 선형 회귀 알고리즘  직선 그리기  다항 회귀  재훈련  직선 그리기

분류 - 도미, 빙어 구분 (n개의 종류를 분류)회귀 - 농어의 무게를 예측 (임의의 숫자를 예측)회귀 분석은 관찰된 연속형 변수들에 대해 두 변수 사이의 모형을 구한 뒤 적합도를 측정해 내는 분석 방법   분류 vs 회귀분류 - 이웃한 클래스의 다수 클래스 사용회귀 - 이웃한 클래스의 타켓을 평균  농어 데이터 산점도로 표현회귀의 일반적인 스타일 - 특성 1에서 시작 훈련 셋 vs 테스트 셋  회귀 분석 / 훈련  과대적합, 과소적합  개수 감소k = 이웃의 개수

예측 리스트에 리스트 생성numpy _ones 함수 -1로 채워진 어떤 특정 크기 배열 생성 시numpy _zeros 함수 - 0으로 채워진 어떤 특정 크기의 배열 만들 때  사이킷런 도미 -> 빙어 예측? 기준 설정 표준 점수: (특성 - 평균) / 표준편차 다시 표현 변환된 데이터 훈련데이터 전처리: 기존의 데이터를 머신러닝 알고리즘에 알맞은 데이터로 바꾸는 과정

지도 학습: 입력 + 타겟 데이터롤 사용비지도 학습: 유용한 작업 수행 시 특성 개수 줄이거나, 비슷한 샘플끼리 군집 등을 수행  훈련 셋의 일부를 테스트 셋으로 사용  객체 초기화, train_input, train_target / test_input, test_target   모집단의 특정 개인이나 그룹이 다른 개인이나 그룹보다 표본에 포함될 가능성이 높아-> 표본이 편향되거나 대표성을 갖지 못하는 상황  넘파이: Python에서 과학 연산을 위한 가장 기본적인 패키지텐서: 다차원의 배열 훈련 셋, 데이터 셋 인덱스 섞기 파란색 - 훈련 데이터주황색 - 테스트 데이터  머신러닝 프로그램 작성

ex) 모바일 쇼핑몰 지금까지 전통적으로 해 온 프로그래밍 예시도미 데이터 준비 산점도란?  데카르트 좌표계(도표)를 이용해 좌표상의 점(點)들을 표시함으로써 두 개 변수 간의 관계를 나타내는 그래프 방법  빙어 데이터 준비  도미 + 빙어 하나의 파이썬 리스트로 리스트 내포리스트 내에 for문 존재 결론  사용할 알고리즘 예측 도미?

코랩https://colab.research.google.com/ Google Colab colab.research.google.com 호스팅된 런타임에 연결 시 세부 정보 확인 코드 수정 가능 CPU보단 GPU 권유 - 속도 차이 [참고] 코랩 사용법https://creatorjo.tistory.com/entry/%EA%B5%AC%EA%B8%80-%EC%BD%94%EB%9E%A9colab-%EA%B8%B0%EC%B4%88-%EC%82%AC%EC%9A%A9%EB%B2%95 구글 코랩(colab) 기초 사용법목차 1. 구글 코랩(google colab)이란? 구글 코랩(Google colab)이란 구글이 제공하는 클라우드 기반 Jupyter Notebook 환경을 말합니다. 즉, 웹 브라우저에서 파이썬 코..

1943년:뉴런다이어그램(Neural Diagram): 워렌 맥컬록(Warren McCulloch)과 월터 피츠(Walter Pitts)가 뉴런 모델을 발표.1950년:튜링 테스트(Turing Test): 앨런 튜링(Alan Turing)이 기계가 지능을 가질 수 있는지를 판별하기 위한 튜링 테스트 제안.1956년:다트머스 AI 컨퍼런스(Dartmouth AI Conference): 인공지능이라는 용어가 처음 사용됨. 존 맥카시(John McCarthy) 등이 주최한 학술회의로, AI 연구의 출발점이 됨.1959년:매서추세츠 공과대학(MIT)과 스탠포드 대학의 AI 연구소 설립: AI 연구가 본격적으로 시작됨.1980년대:전문가 시스템(Expert Systems): 전문가 시스템이 실무에서 활용되기 시작..