https://www.youtube.com/watch?v=me--WQKQQAo 나이브 베이즈 알고리즘은 넷플릭스에서도 사용하는 알고리즘으로 사용자의 추천 알고리즘이다. 빌게이츠도 이 알고리즘을 되게 강조했다고 한다. 인간처럼 사고하는 알고리즘이다. 꼭 알아야 하는 수학적 개념이 확률과 통계이다. https://www.youtube.com/watch?v=KueAHu7iFNE conditional probability(조건부 확률). https://doctorinformationgs.tistory.com/107 조건부 확률과 베이즈 정리 - 2주차 정리 이전 진도 2021.09.11 - [고등 수학/확률과 통계] - 확률의 정의 - 2주차 정리 확률의 정의 - 2주차 정리 참조 문헌 1. Probabilit..

import numpy as np import matplotlib.pyplot as plt def euclidean_distance(x1, y1, x2, y2): result = (((y1-x1)**2) + ((y2-x2)**2)) ** 0.5 return result n_classes = 4 n_data = 100 X, y = [], [] for class_idx in range(n_classes): centroid = np.random.uniform(low=-10, high=10, size=(2,)) X_ = np.random.normal(loc=centroid, scale=2, size=(n_data, 2)) y_ = class_idx * np.ones(n_data,) X.append(X_) y.a..

#결정계수 구하는 식 : 타겟 - 예측 제곱의 합 / 타겟 - 평균 제곱의 합 결국 문제 해설은 하지 않았고... 슥 훑고 넘어갔다. 나중에 시간 써야 하는 부분이다. 그래도 어제 복습한 내용들 대충은 있으니 그것들 참고해서 진행하자. k-Nearest Neighbor KNN은 전에 동빈나 강의를 사알짝 봤었다. https://www.youtube.com/watch?v=QRWNto6BsfY 그래서 예제 표로 두 점 사이의 거리를 구하는 식을 연습했다. # 5 : speed = 2.75, agility = 7.50 # 12 : speed = 5.00, agility = 2.50 # 유클리디언 : √((5.00 - 2.75)² + (2.50 - 7.50)²) def euclidean_distance(x1, ..

1. 당뇨, 2. 자전거, 3. 골프 회원 의 세 가지를 예측하여 만드는 과제를 받았다. 근데 하나도 몰라서.. 약간 하기 싫었다가 주말에 기초강의를 다시 보고 다시 보니까 조금 이해가 가는 부분. 월요일에 재설명 해주시겠지?? ㅎㅎ 아마 낸 사람 많이 없을 것이다. 수업시간에 따라잡고 공부 열심히 하면 된다. from sklearn.datasets import load_diabetes from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier from sklearn.tree import DecisionTreeRegressor from sklearn.tree import plot_tr..

내가 분석할 데이터를 받았을 때는 제일 먼저 해야 하는 일이 이것이다. 데이터의 타입이 어떤지 쉐이프 얼마나 긴지, 오브젝트 정보는 어떤지 등을 확인해야 한다. from sklearn.datasets import load_iris import numpy as np iris = load_iris() print(type(iris), '\n') for attr in dir(iris): if not attr.startswith('_'): print(attr) print('=======iris data=======') print(f"type: {type(iris.data)}") print(f"shape: {iris.data.shape}") print(f"dtype: {iris.data.dtype}") print(..

https://tyami.github.io/machine%20learning/decision-tree-3-c4_5/ 의사결정 나무 (Decision Tree) C4.5 알고리즘 설명 의사결정 나무의 기본 알고리즘 중 하나인 C4.5 를 공부해봅시다 tyami.github.io https://tyami.github.io/machine%20learning/decision-tree-1-concept/ 의사결정 나무 (Decision Tree) 기본 설명 Machine learning 알고리즘 중 하나인 의사결정 나무를 공부해봅시다 tyami.github.io 여기서 순서대로 공부해보자. 확률은 probability. 지니 인덱스 : Gini Index = 1 - Σ (p_i)^2 p_i는 각 클래스 i에 대한..