여니의 글로벌 도전기

2020.09.22 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 44회차 미션 43회차에서는 42회차에서 배운 '규제'를 바탕으로 릿지, 라쏘, Elastic Net그래프를 출력해서 규제정도를 어떻게 줬을 때 모델의 성능이 높은지 판단하는지 강의를 통해서 배웠다. 오늘은 3가지 스케일러에 대해서 배웠는데, 머신러닝 전처리에서 훑어보고 지나간 것이라 복습하는 느낌으로 강의를 들었다. 📈 스케일러Scaler 먼저 from sklearn.preprocessing import StandardScaler, MinMaxScaler, RobustScaler 으로 임포팅주고! 👉Standard Scale Standard Scale은, 평균(mean)을 0, 표준편차(std)를 1로 만들어 주는 스케..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 22. 03:11

2020.09.21 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 43회차 미션 43회차에서 학습이 과대적합되는 것을 방지하고자 penalty를 부여하는것 '규제'를 배웠고, 이 규제에는 각 가중치의 제곱 합에 규제강도를 곱해서 더해주는 L2 규제와 가중치의 절대값의 합에 곱해서 더해주는 L1 규제가 있다. 오늘 강의에서는 이 각각의 규제를 활용한 모델인 릿지와 라쏘를 어떻게 도출하는지? 배웠다. 📍 릿지 릿지를 도출하려면, alphas = [100, 10, 1, 0.1, 0.01, 0.001, 0.0001] —> 규제정도 for alpha in alphas: ridge = Ridge(alpha=alpha) ridge.fit(x_train, y_train) pred = ridge.pre..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 21. 03:15

2020.09.20 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 42회차 미션 41회차에서 배운 걸 복습해보면, 머신러닝 중에 회귀예측은 모델을 선언하고 '수치값을 예측하는것'이다. MSE는 실제값과 예측값의 오차의 제곱 평균으로, 모델의 성능을 판단하는데 사용되는 평가지표이다. 오늘은 어제 배운 평가지표 MSE에 이어 MAE와 RMSE를 마저 배우고 과적합 되는 것을 방지하기 위해 패널티를 주는 '규제'를 배웠다. 👉 MAE (Mean Absolute Error) MAE (Mean Absolute Error)은 실제값과 예측값의 차이즉, 오차의의 절대값의 평균이다. 오차값이 -1 그리고 또다른 오차값이 1이되어서 합해서 0이 되는 것을 막기 위해서 하는게 mean absolute e..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 20. 03:32

2020.09.19 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 41회차 미션 이전시간까지는 머신러닝에서 클래스를 예측하는 '분류'를 배웠고, 이번 시간부터는 수치값을 예측하는 '회귀예측'을 배웠다. 📍 Regression 회귀예측 회귀예측은 분류처럼 클래스가 존재하는 것이 아니라 '수치값을 예측하는 것'이다. 예를 들면 부동산에서 집 값 예측하거나 기업에서 매출액이 얼마나 될지 예측하는 것!이라고 할 수 있다. 머신러닝을 분류를 위한 예측을 할 것인지? 회귀를 위한 예측을 할 것인지 정해야한다. 📍 Linear Regression 선형함수 논문도 선형함수로 쓰고, 학교에서 통계시간에 대부분 linear regression model을 써서 과제를 해왔어서.. 이상하게 반갑?기도하고,..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 19. 04:15

ad2020.09.18 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 40회차 미션 39회차에 이어 정확도의 함정을 보완하기 위한 몇가지 지표를 사이킬런에서 제공해주는데 오늘은 그 중에 오차 행렬과 정밀도,재현율, F1 스코어를 배웠다. 📎 오차행렬 2 X 2 메트릭스는 TP, FP, TN, FN으로 나눌 수 는데 TP는 positive로 예측하고 실제값도 positive일때! FP positve로 예측했지만 실제값이 negative일때! TN negative로 예측하고 실제값도 negative일때! FN negative로 예측했지만 실제값이 postive일때! 를 뜻한다. 예제로 유방암 환자의 데이터로 예측을 진행했는데, 1로 예측했을 때 실제값이 1인 경우가 88%이고, 1로 예측했..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 18. 00:37

2020.09.17 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 39회차 미션 개념을 다 배우면 빠질 수 없는 시각화! 이번시간에 배운 시각화는 38회차에서 배운 의사나무 모형을 더 세부적으로 시각화한 것 같이 느껴졌다. 📍 시각화 시각화를 위해서는 export_graphviz를 코딩식에 넣어야한다. dtc 0번 5번 → 트리로 분류된 개수? 데이터가 복잡할 수록 이 depth가 많아진다. Value에 보면 41,39,32의 데이터 개수가 나온다. 위의 예제에서 x의 3번째칼럼이 0.8보다 작으면 왼쪽으로 분리되고, 그렇지 않으면 오른쪽으로 가서 다른 기준으로 또 분리됨이 진행된다. gini갯수는 경제학에서 말하는 그 지니계수가 아니라, 데이터가 얼마나 혼합되어있는지 불순도를 보여주는..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 17. 03:12

2020.09.16 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 38회차 미션 37회차에서 LogisticRegression, SGD Classifier, 하이퍼 파라미터 (hyper-parameter) 튜닝를 배우고 오늘은 이어서 최근접 이웃 알고리즘과 의사 결정나무 진도를 나갔다. 📎 최근접 이웃 알고리즘 KNeighborsClassifier 최근접 이웃 알고리즘은 k의 갯수를 지정해서 최근접에 있는 몇 개의 데이터까지 볼건가..? 하는 알고리즘이다. knc = KNeighborsClassifier() knc.fit(x_train, y_train) knc_pred = knc.predict(x_valid) (knc_pred == y_valid).mean() 아래 예시를 보면, k가 ..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 16. 03:33

2020.09.15 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 37회차 미션 36회차에서는 iris 데이터 세트의 개념과 데이터 시각화 그리고 표본집단을 균등하게 맞춰주는 용도인 stratify를 배웠다. 오늘은- 📍 OvR과 OvO LogisticRegression, 서포트 벡터 머신 (SVM) 과 같은 알고리즘은 2개의 클래스 판별만 가능하다. 예를 들면, 남자인지 여자인지? 생존했는지 아닌지?와 같은! 반면, 3개 이상의 클래스에 대한 판별을 진행하는 경우, 다음과 같은 전략으로 판별하게 되는데, 두가지 방법이 있다. 👉one-vs-rest (OvR): K 개의 클래스가 존재할 때, 1개의 클래스를 제외한 다른 클래스를 K개 만들어, 각각의 이진 분류에 대한 확률을 구하고, 총..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 15. 03:07