kang's study

k-최근접 이웃회귀 농어의 무게를 예측하라 회귀 regression -> 타깃 (임의의 숫자) 지도학습 : 분류, 회귀 In [ ]: import numpy as np In [ ]: # 농어의 무게를 예측하라 # 회귀 regression -> 타깃 (임의의 숫자) # 지도학습 : 분류, 회귀 perch_length = np.array( [8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 21.0, 21.0, 21.0, 21.3, 22.0, 22.0, 22.0, 22.0, 22.0, 22.5, 22.5, 22.7, 23.0, 23.5, 24.0, 24.0, 24.6, 25.0, 25.6, 26.5, 27.3, 27.5, 27.5, 27.5, 28.0,..

데이터 전처리 이진 분류 binary classfication : 찾고자 하는 대상 (양성 클래스:1, 음성 클래스:0) 도미 1 빙어 0 넘파이로 데이터 준비 데이터 형태 행은 샘플 열은 특성을 둔 모양을 필요로 한다. In [ ]: import numpy as np In [ ]: bream_length = [25.4, 26.3 ,26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0] bream_weight ..

데이터 분리 머신러닝 1) 지도학습 : 입력과 타겟이 있는 데이터를 갖고 학습 ★ 사이킷런은 데이터를 행:샘플, 열:특성으로 구성할 것으로 기대한다. 2) 비지도학습 : 입력 있는 데이터만 갖고 학습 3) 강화학습 : 행동의 결과를 개선해 나가는 학습 (ex. 알파고) -> 핸즈온 머신러닝 데이터 준비 In [2]: # 도미 데이터 bream_length = [25.4, 26.3 ,26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39...