머신러닝 딥러닝 체계도를 설명하는 글입니다. 머신러닝 머신러닝은 지도학습, 비지도학습, 강화학습으로 나뉜다. 데이터나 작업 속성이 무엇인지에 따라 선택해야 할 알고리즘이 달라진다. 지도학습 학습 데이터 선별 및 속성 지정, 학습 내용 제시 등을 사람이 담당 -문제은행을 풀게 하는 것. 패턴을 바탕으로 답을 추론 및 예측 학습용 데이터(입력 변수) -> 학습 결과(출력 변수) 입력 변수와 출력 변수의 관계 함수를 알아내는 것. 캐글 경진대회와 같은 성향 비지도학습 정답이 없는 문제를 제공하면 시스템 스스로 문제를 분석하고 데이터 학습으로 결론 도출 분류되지 않은 데이터를 제공받아, 데이터 기저 고유 패턴을 적용한다. 1. 클러스터링 구조(Clustering Structure) 2. 저차원 다양체 (Low-..
보호되어 있는 글입니다.
보호되어 있는 글입니다.
보호되어 있는 글입니다.
https://blog.naver.com/magnking/221164357831 API를 만들 수 있도록 도와주는 web-framework Python: Flask, Django, Falcon, Hug... R: plumber [출처] 머신러닝을 API로 배포하는 방법|작성자 AIdev https://medium.com/@inerplat/%EB%94%A5%EB%9F%AC%EB%8B%9D-%EC%9B%B9%EC%84%9C%EB%B9%84%EC%8A%A4-%EA%B0%9C%EB%B0%9C-%EB%8F%84%EC%A0%84%EA%B8%B0-e9ca38d53c1b 딥러닝 웹서비스 개발 도전기 아이즈원과 함께하는 풀스택 개발 medium.com
랜덤포레스트는 훈련 데이터를 랜덤하게 샘플링한 모델 n개를 각각 훈련하여 결과를 평균하는 방법 여기도 결은 똑같고, 하이퍼 파라미터 최적화부터 들어간다. from sklearn.ensemble import RandomForestRegressor # 모델 생성 randomforest_model = RandomForestRegressor() # 그리드서치 객체 생성 rf_params = {'random_state':[42], 'n_estimators':[100, 120, 140]} # ① gridsearch_random_forest_model = GridSearchCV(estimator=randomforest_model, param_grid=rf_params, scoring=rmsle_scorer, cv=5..