본문 바로가기

전체 글

(34)

[Machine learning] scikit-learn pipeline 공부하기!!

[Machine Learning] Data Leakage ✋ Data Leakage 란? : Train Data 외의 정보가 모델을 만드는데 사용될 때 발생 (우리가 모른다고 가정된 "정보가 누설"된 경우를 의미) 공모전에 참가할 때 받는 데이터 : train data (이미 알고 있는 정보) 공모전에 제출하는데 사용하는 데이터 : test data (모르는 정보) 👉 모르는 정보인 test data의 통계치가 test data 사이에서 반영될 수 없음 train data 를 가지고 test data 를 예측하는 것이 목표 👉 Data Leakage : Test Data의 개수나 분포 등이 변화할 때마다 Train / Test 를 진행할 때 영향을 끼치는 요소 ✋ Data Leakage 의 문제점 : 자신의 에측 모델을 개발할 때 문제점 발생 👉 실제로 쓸모없..

[Machine Learning] Hyperparameter Tuning ✋ Hyperparameter Tuning - 목적 : 훈련 평가 / 검증 평가 사이의 차이가 최소가 되도록 만드는 것 (Overfitting 방지) 👉 Hyperparameter 의 수가 너무 많기 때문에, 최적의 parameter 를 찾아주는 도구들을 써서 찾아낸다 ✋ 1) Grid Search : 대체 모델 구성(alternative model configrations) 을 탐색하는 일반적인 접근 방식은 그리드 검색 방법을 사용 👉 모델 하이퍼 파라미터에 넣을 수 있는 값들을 순차적으로 입력한 뒤에, 가장 높은 성능을 보이는 하이퍼 파라미터 값을 찾는 탐색 방법 🎈 관심있는 매개변수들을 대상으로 가능한 모든 조합을 시도하여 최적의 매개변수를 찾는 방법으로 매개변수를 튜닝하여 일반화 성능을 개선 ✋ ..

[Machine Learning] Feature Engineering ✋ Google colab 연동 / Data load ## GOOGLE COLAB 연동 from google.colab import drive drive.mount('/content/drive') # Mounted at /content/drive ## DATA LOAD import pandas as pd print('pandas version:', pd.__version__) wine = pd.read_csv('https://bit.ly/wine_csv_data') wine.head() alcoholsugarpHclass 09.41.93.510.0 19.82.63.200.0 29.82.33.260.0 39.81.93.160.0 49.41.93.510.0 👀 numpy - 수치 연산 # numpy - 수치..

[정보처리기사] 실기 _ 출제 예상 개념 전체 요점 정리 4 ✋ 30. 사용자 인터페이스 (UI, User Interface) : 사용자와 시스템 간 상호작용이 원활하게 이루어지도록 도와주는 장치나 소프트웨어를 의미 ex. 스마트폰 터치 화면 📁 사용자 경험 (UX, User Experience) : 제품과 시스템, 서비스 등을 사용자가 직/간접적으로 경험하면서 느끼고 생각하는 총체적 경험을 의미 ✋ 31. 사용자 인터페이스 (UI) 의 기본 원칙 👉 직관성 / 유효성 / 학습성 / 유연성 - 직관성 : 누구나 쉽게 이해하고 사용할 수 있어야 한다. - 유효성 : 사용자의 목적을 정확하고 완벽하게 달성해야 한다. - 학습성 : 누구나 쉽게 배우고 익힐 수 있어야 한다. - 유연성 : 사용자의 요구사항을 최대한 수용하고 실수를 최소화해야 한다. 📢 UI (User ..

[정보처리기사] 실기 _ 출제 예상 개념 전체 요점 정리 3 * 2020년 1~4회 기출문제 및 필기 문제 기반으로 출제 예상 개념 정리한 내용입니다. ✋ 21. XML (eXtensible Markup Language) : 웹브라우저 간 HTML 문법이 호환되지 않는 문제와 SGML의 복잡함을 해결하기 위해 개발된 다목적 마크업 언어 📢 다음 설명에 부합하는 것이 무엇인지 영문 약어로 쓰시오. HTML의 단점을 보완한 인터넷 언어로, SGML의 복잡한 단점을 개선한 다목적 마크업 언어이다. 웹 상에서 구조화된 문서를 상호교환 가능하도록 설계된 웹 표준 문서 포맷으로 메타 데이터 정의가 명확하다. 사용자가 새로운 태그와 속성을 정의할 수 있는 확장성을 가진다. 답 : XML ✋ 22. JSON (JavaScript Object Notation) : 속성 - 값 쌍..

[Python] matplotlib, seaborn 막대그래프 그리기 / 꾸미기 🎈 구글 드라이브 - colab 연동 from google.colab import drive drive.mount('/content/drive') 🎨 tips data 불러오기 import matplotlib.pyplot as plt import seaborn as sns import numpy as np tips = sns.load_dataset('tips') tips.head() ✌ 축 포맷팅 # 축 포맷팅 (함수 지정) from matplotlib.ticker import (MultipleLocator, AutoMinorLocator, FuncFormatter) def major_fomatter(x, pos): return "%.2f+$" % x formatter = FuncFormatter(maj..

[정보처리기사] 실기 _ 출제 예상 개념 전체 요점 정리 2 * 2020년 1~4회 기출문제 및 필기 문제 기반으로 출제 예상 개념 정리한 내용입니다. ✋ 11. 데이터베이스의 이상 (Anomaly) 답 : 테이블에서 일부 속성들의 종속으로 인해 데이터의 중복이 발생 이 중복으로 인해 테이블 조작 시 문제가 발생하는 현상 ✋ 12. 데이터베이스의 이상 (Anomaly) 의 종류 답 : 삽입 이상 / 삭제 이상 / 갱신 이상 📁 삽입 이상 (Insertion Anomaly) : 테이블에 데이터를 삽입할 때, 의도와는 상관없이 원하지 않는 값들로 인해 삽입할 수 없게되는 현상 📁 삭제 이상 (Deletion Anomaly) : 테이블에서 한 튜플을 삭제할 때, 의도와는 상관없는 값들도 함께 삭제되는 현상 (연쇄 삭제 발생) 📁 갱신 이상 (Update Anomaly)..

이전 1 2 3 4 5 다음

티스토리툴바