3주차Ch. 04 다양한 분류 알고리즘     ㄴ 04-1 로지스틱 회귀     ㄴ 04-2 확률적 경사 하강법04-1 로지스틱 회귀데이터 준비 과정은 간단히 보자!타깃 데이터로 species 열, 이외의 5개 열은 입력 데이터로 사용하고,StandardScaler 클래스를 사용해서 표준화 전처리를 마쳤다. 모델 학습과 점수는 [8]셀에서 확인할 수 있다.[9]셀에서는 클래스를 출력해보면 정렬된 타깃값이 알파벳 순이라는 점을 알 수 있다.테스트 셋의 처음 5개의 샘플으로 예측한 값과 그 확률을 확인해보았다.✅predict_proba() : 클래스별 확률값 반환✅round()의 decimals : 소수점 자릿수 지정 확률의 각 열은 이전의 알파벳 순으로 정렬된 클래스 순서이다.아래에는 세 번째 샘플의 이웃..

2주차Ch. 03 회귀 알고리즘과 모델 규제03-1 k-최근접 이웃 회귀지도학습 알고리즘은 크게 분류와 회귀로 나뉜다.분류는 ch.2에서 해본 내용이고, 회귀는 어떤 숫자를 예측하는 것이다!k-최근접 이웃은 회귀에도 사용할 수 있는데, 가까운 샘플 k개의 수치의 평균으로 예측해준다.k-최근접 이웃 분류와 k-최근접 이웃 회귀 모두 fit(), score(), predict()를 사용할 수 있다.하지만 다른점은! 회귀에서 score()를 사용하면 정확도가 아닌 결정계수 값이 나온다.✅회귀에서의 score() : 결정계수 값- 0에 가까울 때 > 타깃의 평균 정도 예측- 1에 가까울 때 > 예측이 타깃에 아주 가까워 짐결정계수 대신 sklearn.metrics패키지의 mean_absolute_error를 사..

머신러닝 책을 검색하다가 우연히 혼공학습단을 알게 되었다.그리고 당장 신청함!!이유 : 나는 진짜 유명한 작심삼일의 의인화임 사실 처음 알게 되어서신청하면서 안될 수도 있겠다고 생각했다하지만 내가 해냄 열심히!!보다는그저 내가 끝까지.. 남아있길... 간절히 바라고 있다.1주차 : Ch.01 ~ Ch.021-1 인공지능과 머신러닝, 딥러닝가장 처음 소단원에는 인공지능의 역사에 대한 내용이 담겨있었다.불과 저번학기에 수강했던 내용이라 기억이 새록새록 떠오르는 느낌..(PTSD일지도..) 인공일반지능/강인공지능은 처음 알게 되었는데,사람과 구분하기 어려울 정도로 지능이 높은 친구들이라고 한다. 반면 아직 현실에서 볼 수 있는 친구들은 대부분 약인공지능으로,특정 분야에 한해서만 전문가이거나, 보조 역할만 가능..