책 - 파이썬 머신러닝 완벽 가이드
1. 파이썬 기반의 머신러닝과 생태계 이해
머신러닝
- ML (Predictive analysis)
앙상블 러닝 ensemble learning
- 여러개의 개별 모델을 조합하여 최적의 모델로 일반화 하는 방법
| 기계학습 | ||
| 지도 학습 | 비지도 학습 | 강화 학습 |
| 회귀 - linear - polynimial |
클러스터링 - SVD - PCA (대표적 클러스터링 모델) - K-means |
|
| 의사결정 트리 | ||
| 랜덤 포레스트 | ||
| 분류 - kNN - Trees - Logistic Regression - Naive-Bayes - SVM |
||
1. 지도 학습
회귀 ( regression )
- 회귀에서는 입력과 출력이 모두 실수다
- 회귀에서는 입력과 출력이 모두 실수다
분류 (classification )
- 입력을 두개이상의 레이블(유형)으로 분할하는 것
분류의 일반적 알고리즘
- kNN( k-nearest neighbor)
- SVM(Support vecter machine)
- 의사결정 트리
2. 비지도 학습
- 지도 없이 스스로 입력들을 분류하는 것군집화( clustering - 클러스터링)
군집화( clustering - 클러스터링)
- 비지도 학습의 대표적인 방법
- 분포도 그래프를 몇개의 그룹으로 나누는 방법
3. 강화학습 ( reinofr cenment learning )
- 컴퓨터가 어떤 행동을 취할때마다 외부에서 처벌이나 보상이 이루어진다
- 대표적 사례 : 알파고
데이터의 중요성
알고리즘 < 데이터 수집