박가방

회사 이직률 예측 - 분류(0 , 1) 1. 환경 준비 ① 라이브러리 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from sklearn.model_selection import train_test_split from sklearn.metrics import * from sklearn.preprocessing import MinMaxScaler from keras.models import Sequential from keras.layers import Dense from keras.backend import clear_session from keras.optimizers import ..

목적 : Sigmoid는 무엇이고, 어떤 차이를 갖나? 선형 회귀시 당연히, features 내 다중 공선성 발생가능. 다중 공선성 : 서로, 선형 관계가 형성이된 feature들 x1 = 2x_2 +3x_3 y빼고 x들끼리 설명이 가능해져버림. 이 경우, 원래 식이 y = x_1 + x_2+x_3 이였다면 y = 3x_2 + 4x_3이 됨. (x_2 x_3이 가중치가 더 심해짐) 파라미터가 최적화되기 어려움. 따라서 선형 회귀 때 둘 관계가 아무런 관계가없는 독립이여야한다는 가정 필요 #relu (Rectified Linear Unit) 선형함수를 비선형으로 바꾸어주는것 집값이 마이너스로 나오면 안되는데 나오는 경우가 발생해서 그걸 방지하고자 쓴다고 생각하면 될듯

서울 시 따릉이 데이터 → **시계열 데이터 ** DateTime : year-month-day hh:mi:ss Count : 시간대별 수요량 Temperature : 온도(섭씨) Humidity : 습도(%) WindSpeed : 풍속(m/s) Rainfall - mm Snowfall - cm Seasons - Winter, Spring, Summer, Autumn Holiday - Holiday / No holiday FuncDay - Yes / No 1. 환경 설정 1.1 라이브러리 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from sklearn.model_selection ..

개요 머신러닝 강의를 마치고, 이를 기반으로 미니프로젝트 3차를 진행하였다. 지금 까지 공부한 머신러닝은 다음과 같다. 우리는 수업 중에 배운 머신러닝 알고리즘들을 사용하여, 주어진 문제에 대해 예측할 수 있는 모델을 생성하여 비교하였다. 1. 장소 이번 미니프로젝트 장소는 정자동에 위치한 KT 분당 본사를 선정하였다. 3일동안 각 팀원들이 자율적으로 참여하도록 하였다. 스터디룸도 고려해보았지만 6명과 6개의 노트북이 있다보니 너무 더워서, 그리고 돈이 들기에 분당 본사로 선정하였다. 1층으로 가면 안내데스크에 계신 직원 분께서 신분증과 출입증을 교환해주신다. 그 출입증을 받고, 프로젝트 장소로 이동하였다. 2. 진행 순서 진행 순서는 미션제로 이루어져 있으며 머신러닝에 대한 복습을 중점적으로 하는듯하다..