Machine learning/Machine learning 강의23 머신 러닝 로지스틱 회귀(Logistic Regrssion)#1 - 로지스틱 회귀란? 머신러닝 지도학습(회귀, 분류) | 비지도 학습 회귀(연속적인 값 예측), 분류(정해진 몇 개의 값 중 예측) -> 로지스틱 회귀는 분류! ex) 해당 메일이 정상 메일인지, 스팸 메일인지 ex) 기사가 스포츠기사인지 정치기사인지 연예기사인지 -> 선형회귀로도 분류 학습을 할 수 있지만, 선형 회귀의 경우 예외적인 데이터에 민감하게 반응하기에 잘 사용하지는 않는다. -> 데이터에 가장 잘 맞는 1차 함수를 찾는다. = 선형 회귀 -> 데이터에 가장 잘 맞는 시그모이드 함수를 찾는다. = 로지스틱 회귀 무조건 0과 1사이 값을 리턴한다. X가 엄청나게 크면 1에 가까워지고 X가 엄청나게 작으면 0에 가까워진다. 따라서 시그모이드 함수는 무조건 0과 1사이 값을 리턴한다. -> 선형 회귀(1차 함수)의 경우.. 2021. 2. 8. 머신 러닝 다항 회귀(Polynomial Regression) #2 - sklearn으로 다중 회귀, 당뇨병 예측 학습 프로그램 만들기 from sklearn.datasets import load_boston from sklearn.preprocessing import PolynomialFeatures #다항속성을 만들어주는 틀 from sklearn.model_selection import train_test_split #데이터를 트레이닝,테스트 셋 나누는 것 from sklearn.linear_model import LinearRegression #선형회기를 하기 위한 from sklearn.metrics import mean_squared_error #모델을 평가하기 위해 사용하는 평균 제곱 오차 import pandas as pd boston_dataset = load_boston() boston_dataset.data.shape.. 2021. 2. 8. 머신 러닝 다항 회귀(Polynomial Regression) #1 - 다항 회귀 - 앞에서는 선형 회귀를 사용해서 데이터에 가장 잘 맞는 직선을 찾아보았다. -> 그치만 이 직선이 데이터를 잘 표현하고 있다고는 할 수 없는데!! -> 여기서 나온것이 다항 회귀 -> 선형 회귀에서는 가설 함수를 hθ(x)=θ0+θ1x 이렇게 사용했다면 이참 함수에서는 hθ(x)=θ0+θ1x+θ2x2 삼차 함수에서는 hθ(x)=θ0+θ1x+θ2x2+θ3x3 곡선이 하나씩 추가되어지는! - 다항 회귀도 두 가지로 나뉜다. 속성이 하나인 경우랑, 속성이 많은 경우. 속성이 여러개인 경우를 '다중 다항 회귀'라고 한다. 코딩실습[코드잇] 파이썬 머신 러닝 강의를 들으면 공부내용을 적어봤습니다. 2021. 2. 8. 머신 러닝 다중 선형 회귀(Multiple Linear Regression) #1 -다중 선형 회귀를 이용한 집값 예측하기 여러 입력 변수를 이용하여 선형 회귀를 하면 그것이 바로 다중 선형 회귀!! - 다중 선회 회귀는 시각적으로 표현하기가 힘들다. tip. 입력 변수 = 속성(feature) - 각 속성 항목들의 표현 방식 정리 - 다중 선형 회귀에서의 가설 함수 - 다중 선형 회귀 데이터 준비하기 from sklearn.datasets import load_boston import pandas as pd boston_dataset = load_boston() print(boston_dataset.DESCR) :Attribute Information (in order): - CRIM per capita crime rate by town - ZN proportion of residential land zoned for lo.. 2021. 2. 5. 이전 1 2 3 4 5 6 다음 728x90 반응형
