OFMY (Ony for me and you)

가장 널리 알려진 두 개의 선형 분류 알고리즘은 linear_model.LogisticRegression에 구현된 로지스틱 회귀 & svm.LinearSVC에 구현된 선형 서포트 벡터 머신 두 모델 기본적으로 L2 규제(Ridge 모델) 사용 규제의 강도를 결정하는 매개변수 C C값이 높아지면 규제가 감소 높은 C 값을 지정하면 훈련세트에 간으한 최대로 맞추려 하고, 낮은 C 값을 지정하면 모델은 계수 벡터(w)에 가까워짐 C의 값이 낮아지면 데이터 포인트 중 다수에 맞추는 것 / 높아지면 개개의 데이터 포인트를 정확히 분류할 것 from sklearn.datasets import load_breast_cancer cancer = load_breast_cancer() X_train, y_train, X_..

릿지의 대안 Lasso의 등장 Lasso는 또 뭘까? 라쏘는 릿지와 다르게 L1규제를 통해 계수를 0에 가깝게 함 * L1규제: 계수를 0에 가깝게 만드는데, 어떤 계수는 정말 0이 되기도 함 -> 완전히 제외되는 특성이 존재 -> 특성 선택이 자동으로 이루어짐 from sklearn.linear_model import Lasso lasso = Lasso().fit(X_train, y_train) print("훈련 세트 점수: {.2f}".format(lasso.score(X_train, y_train))) print("테스트 세트 점수: {.2f}".format(lasso.score(X_test, y_test))) print("사용한 특성의 수: {}".format(np.sum(lasso.coef_ !..

릿지회귀가 대체 뭘까? L2 규제를 이용하여 가중치의 절댓값을 가능한 한 작게 만드는 것 = w의 모든 원소가 0에 가깝게 되길 원함 그럼 L2규제가 뭔데? L2 규제 -> 모든 특성이 출력에 주는 영향을 최소한으로 만들어 규제 즉, 기울기를 작게 만드는 것 ! * 기울기 파라미터(w) : 가중치,계수 라고 하며 lr 객체의 coef_에 저장 되어 있음 from sklearn.linear_model import Ridge ridge = Ridge().fit(X_train, y_train) print("훈련 세트 점수: {.2f}".format(ridge.scire(X_train, y_train))) print("테스트 세트 점수: {.2f}".format(ridge.scire(X_test, y_test)..

1. 데이콘 - 코드공유 https://dacon.io/ 데이터사이언티스트 AI 컴피티션 6만 AI팀이 협업하는 인공지능 플랫폼 dacon.io https://dacon.io/competitions/open/235610/codeshare/4221?page=1&dtype=recent [데이터분석 입문을 위한 와인 품질 분류 EDA & Visualization] 와인 품질(Quality) 분류 경진대회 dacon.io https://dacon.io/competitions/open/235536/codeshare/1536?page=1&dtype=vote 영화 관객 실습자료 영화 관객수 예측 경진대회 dacon.io 2. 둔앵거스 - 머신러닝 강좌 #27] 선형 회귀 모델을 위한 데이터 변환 #로그변환 #왜 로그..