ODDA

머신러닝 카테고리의 두 번째 글에서는 머신러닝의 분류와 머신러닝 알고리즘을 모델링할 때 고려해야 하는 과적합에 대해 다뤄보겠습니다. 이 글의 목차는 다음과 같습니다.지도학습비지도학습Overfitting과 Underfitting 1. 지도학습머신러닝의 분류에서 첫 번째로 다룰 항목은 지도학습(Supervised Learning)입니다. 이전 글에서 머신러닝에서 가장 중요한 것은 data에 맞는 함수를 만들고 실제값에 근접한 예측값을 추출하는 것이라 언급하였습니다. 머신러닝은 data의 성질에 따라 각각 적절한 함수(모델)가 분류되어 있습니다. 먼저 지도학습 알고리즘은 분석에 사용되는 data 내에 label이라는 정답이 존재할 때 사용됩니다. 지도학습의 목적은 새로운 data의 label을 분류하거나 예측..

머신러닝 카테고리의 첫 번째 글에서는 머신러닝이 무엇이고 그 범위와 활용에 대해 알아보겠습니다. 제가 처음 머신러닝과 딥러닝을 이용한 데이터 분석가가 되겠다고 했을 때 머신러닝과 딥러닝에는 차이가 없는 단어라고 생각했습니다. 하지만 공부를 하면 할수록 두 단어는 엄연히 다르다는 것을 알 수 있었습니다. 이 글의 목차는 다음과 같습니다.머신러닝의 뜻과 개머신러닝과 딥러닝의 차이머신러닝의 활용 1. 머신러닝의 뜻과 개요머신러닝은 표현하는 방법은 아주 많지만 관통하는 가장 큰 뜻은 주어진 데이터를 학습하기 위한 모델을 생성하는 과정입니다. input data를 학습하기 위해 함수 F(x)를 구현하여 Output값을 추출하는 것이죠.  결국 머신러닝에서 가장 중요한 것은 data에 맞는 F(x)를 만들고 실제값..

안녕하세요 데이터분석가를 희망하는 up_one입니다데이터 분석가를 꿈꾸며 경영학과에서 데이터 분석 관련 내용을 공부한 지 벌써 2년째네요다양한 주제의 프로젝트도 참가하고 나름 관심 분야도 생겨 대학원에 진학해 더 깊게 공부하고자 하는 목표가 있습니다 티스토리를 이용해서 지금까지 공부한 내용을 정리해서 복습하는 효과도 얻고 관심 분야가 같은 분들과교류하고자 합니다. 우선적으로는 머신러닝과 선형대수학 분야에 대해 업로드를 할 계획입니다. 많이 부족하겠지만 One a day 꾸준히 하루에 하나씩 업로드해보겠습니다.감사합니다.