본문 바로가기

분류 전체보기192

[DAY 32] 머신러닝 모델의 검증 [천재교육] 프로젝트 기반 빅데이터 서비스 개발자 양성 과정 9기학습일 : 2024.08.27📕 학습 목록머신러닝 모델의 검증머신러닝 모델의 성능 지표(정확도의 한계)과적합 및 과소적합의 문제모델의 학습 과정에서 이상 현상을 확인하는 법 📗 기억할 내용1. 머신러닝 모델의 검증목적: 모델의 성능 평가 및 개선 1) 머신러닝 모델 평가지표① 회귀모델에 대한 평가지표y(실제값, target value), y^(모델이 예측한 값, predicted value) 회귀모델 평가 지표 MAE(Mean Absolute Error)MSE(Mean Squared Error)RMSE(Root Mean Squared Error)개념예측값과 실제값의차이("오차")의 절대값 평균오차를 제곱하여 평균MSE의 제곱근계산식장점직.. 2024. 8. 27.
[DAY 31] Machine Learning 실습 [천재교육] 프로젝트 기반 빅데이터 서비스 개발자 양성 과정 9기학습일 : 2024.08.26📕 학습 목록만료 상태 변환일 예측 모델 개발 📗 프로젝트 작업 내역1) 프로젝트 제목만료 상태 변환일 예측 모델 개발 2) 프로젝트 목표회원의 상태가 "만료"로 전환되는 시점을 예측하는 머신러닝 모델을 개발하여 고객 이탈을 사전에 방지할 수 있는 전략을 마련 3) 사용한 데이터 셋데이터: 천재교육 서비스의 회원 활동 및 상태 변화 데이터(만료상태변환일예측.csv)회원의 활동 패턴 및 상태 전환 정보에 대한 데이터를 기반으로 머신러닝 회귀 모델을 학습4) 워크플로우① 패키지 임포트사용한 주요 패키지: pandas, seaborn, numpy, matplotlib, scikit-learn, imblearnimp.. 2024. 8. 26.
[DAY 30] 추천 시스템, 최적화 [천재교육] 프로트 기반 빅데이터 서비스 개발자 양성 과정 9기학습일 : 2024.08.23📕 학습 목록추천 시스템최적화(코루틴, 멀티프로세싱/멀티스레딩) 📗 기억할 내용 1) 추천 시스템 (Recommender System) ① 정의특정 사용자가 관심을 가질만한 정보(영화, 음악, 책, 뉴스, 이미지, 웹페이지 등)를 예측/추천하는 것사용자에게 맞춤형 추천을 제공- ex1 : 넷플릭스에서 시청한 영상과 유사한 영상을 추천- ex2 : 온라인 마켓(쿠팡,...)에서 사용자가 과거에 구매하거나 관심을 가진 물건과 유사한 물건을 보여줌 ② 알고리즘 종류     ②-1 콘텐츠 기반 추천 시스템(Content-Based Recommender System)사용자가 이전에 선호했던 아이템의 특징(콘텐츠)을 분석.. 2024. 8. 23.
[DAY 29] Machine Learning 실습 [천재교육] 프로젝트 기반 빅데이터 서비스 개발자 양성 과정 9기학습일 : 2024.08.22📕 학습 목록만료 및 탈퇴 회원 예측 모델 개발 📗 프로젝트 작업 내역1) 프로젝트 제목만료 및 탈퇴 회원 예측 모델 개발 2) 프로젝트 목표회원의 상태를 "만료", "중지", "탈퇴"로 분류하여 고객 이탈을 조기 예측하는 머신러닝 모델을 개발하여 기업의 고객 유지 전략에 기여 3) 사용한 데이터 셋데이터: 천재교육 서비스의 회원 데이터(만료및탈퇴회원.csv)만료, 중지, 탈퇴 상태를 포함한 회원의 활동 데이터를 기반으로 머신러닝 예측 모델을 학습4) 워크플로우① 패키지 임포트사용한 주요 패키지: pandas, seaborn, numpy, matplotlib, scikit-learn, imblearnimpor.. 2024. 8. 22.
[DAY 28] 회귀 / 차원축소 / 클러스터링 [천재교육] 프로젝트 기반 빅데이터 서비스 개발자 양성 과정 9기학습일 : 2024.08.21📕 학습 목록회귀차원축소클러스터링 📗 기억할 내용1. 회귀1) 다항회귀 실무에서 가장 많이 사용!① 정의입력 변수 x에 대한 다항식( 2차, 3차 등으로 이루어진 여러 개의 항을 포함)을 사용하는 회귀 분석 기법다항회귀는 선형 회귀 모델을 사용하여 비선형 데이터를 학습함ex :  2차 다항회귀 식- θ₀, θ₁, θ₂, θ₃ : 회귀 모델이 학습하는 파라미터(계수)- x : 독립 변수- x² : x의 제곱으로, 이 식이 2차 항임을 나타냄 ② 다항회귀 ⊃ 선형회귀선형회귀 : 1차 함수 형태로 데이터를 모델링함. 식 : y =  θ₀ + θ₁x (= 1차 다항회귀 식)다항회귀 : 선형회귀의 확장으로, 독립 변수.. 2024. 8. 21.
[DAY 27] 분류 / 회귀 모델 [천재교육] 프로젝트 기반 빅데이터 서비스 개발자 양성 과정 9기학습일 : 2024.08.20📕 학습 목록머신러닝 분류/회귀 모델 📗 기억할 내용 1. 머신러닝 분류 모델1) 분류 (Classification)머신러닝 알고리즘을 통해 데이터's feature(독립변수)/label(종속변수) 값을 학습 → 모델(객체) 생성 → 모델에 새로운 데이터 값이 주어졌을 때 미지의 label 값을 예측하는 것2) 분류 모델 (Classification Model) : 이진분류기, 다항분류기, 결정 트리 분류기 ① 이진분류기(Binary Classifier) 분류 모델 : 입력된 데이터를 두 그룹(참 or 거짓)으로 분류분류 평가 지표 : 오차행렬, F1 점수, Precision & Recall Trade-off.. 2024. 8. 20.

티스토리툴바