본문 바로가기

study📚/머신러닝4

[머신러닝] 사이킷런(scikit-learn) - 데이터_전처리(데이터 인코딩, 피처스케일링과 정규화) 데이터_전처리(데이터 인코딩, 피처스케일링과 정규화) 데이터 전처리(Data Preprocessing) 데이터 클린징 결손값 처리(Null/NaN 처리) 데이터 인코딩(레이블, 원-핫 인코딩) 데이터 스케일링 이상치 제거 Feature 선택, 추출 및 가공 데이터 전처리는 ML 알고리즘만큼 중요하다 먼저, 결손 값, 즉 Null,NaN 값은 허용되지 않는다. 이러한 Null값은 고정된 다른 값으로 변환해 주어야 한다. 처리 방법은 다양한데, 피처 값 중 Null값이 얼마 되지 않을 경우에는 피처의 평균값으로 대체할 수 있고, Null 값이 대부분이라면 오히려 해당 피처는 드롭하는 것이 좋다. 하지만 Null값이 일정 수준 이상일 경우 가장 결정이 힘든데, 해당 피처가 중요도가 높은 피처이고 Null을 단.. 2022. 9. 4.

[머신러닝] 사이킷런(scikit-learn) - train_test_split, 교차검증, GridSearchCV Model Selection - 학습 데이터와 테스트 데이터 1. 학습 데이터 세트 머신러닝 알고리즘의 학습을 위해 사용. 데이터의 속성들과 결정값(레이블값) 모두를 가지고 있음. 학습 데이터를 기반으로 머신러닝 알고리즘이 데이터 속성과 결정값의 패턴을 인지하고 학습 2. 테스트 데이터 세트 테스트 데이터 세트에서 학습된 머신러닝 알고리즘을 테스트. 속성 데이터만 머신러닝 알고리즘에 제공하며, 머신러닝 알고리즘은 제공된 데이터를 기반으로 결정값을 예측. 테스트 데이터는 학습 데이터와 별도의 데이터 세트로 제공되어야 함. 3. 학습 데이터와 테스트 데이터 분리 - train_test_split() sklearn.model_selection의 train_test_split()함수 X_train, X_test.. 2022. 8. 29.

[머신러닝] 사이킷런(scikit-learn) - 사이킷런의 내장 예제 데이터 사이킷런 기반 프레임워크 사이킷런의 내장 예제 데이터 1. 사이킷런 내장 예제 데이터 셋 - 분류 및 회귀용 datasets.load_boston() : 회귀 용도이며, 미국 보스턴의 집 피처들과 가격에 대한 데이터 세트 datasets.load_breast_cancer() : 분류 용도이며, 위스콘신 유방암 피처들과 악성/음성 레이블 데이터 세트 datasets.load_diabetes() : 회귀 용도이며, 당뇨 데이터 세트 datasets.load_digits() : 분류 용도이며, 0에서 9까지 숫자의 이미지 픽셀 데이터 세트 datasets.load_iris() : 분류 용도이며, 붓꽃에 대한 피처를 가진 데이터 세트 2. 내장 예제 데이터 셋 구성 3. 실습 사이킷런 내장 데이터인 iris_d.. 2022. 8. 27.

[머신러닝] 사이킷런(scikit-learn) - Iris 품종 예측 사이킷런(scikit-learn) 파이썬 기반의 다른 머신러닝 패키지도 사이킷런 스타일의 API를 지향할 정도로 쉽고 가장 파이썬스러운 API를 제공 머신러닝을 위한 매우 다양한 알고리즘과 개발을 위한 편리한 프레임워크와 API를 제공 오랜 기간 실전 환경에서 검증됐으며, 매우 많은 환경에서 사용되는 성숙한 라이브러리 주로 numpy, scipy 기반 위에서 구축된 라이브러리 지도학습 - 분류 분류(Classification)는 대표적인 지도 학습(Supervised Learning) 방법의 하나. 지도학습은 학습을 위한 다양한 피처와 분류 결정값인 레이블(Label)데이터로 모델을 학습한 뒤, 별도의 데이터 데이터 세트에서 미지의 레이블을 예측. 즉 지도학습은 명확한 정답이 주어진 데이터를 먼저 학습한.. 2022. 8. 26.

이전 1 다음

티스토리툴바