코딩일기

안녕하십니까 다제입니다. 오늘은 선형회귀의 중요한 키워드들을 공부해보고자 합니다. 백그라운드 개념으로 필수적이다고 생각되는 가설, 손실함수 & 경사하강법에 대해서 배워보도록 하겠습니다. 저는 경사하강법을 이해하기 위해 미분과 행렬을 배운다고 해도 과언이 아니라고 생각합니다. 1. 경사하강법 저희는 모델(함수)를 만들고 MSE or MAE라는 방법으로 성능을 평가합니다. MSE or MAE의 결과 값이 크면 성능이 안좋고 작으면 성능이 좋다는 걸 알 수 있습니다. 그렇다면 우리는 미분을 통해 특정 지점에서의 순간변화율이 0인 지점을 찾는다면 그 부분이 이 모델에서 성능이 가장 좋은 지점일 것이다. 미분이란? 즉, 우리의 모델과 라이브러리가 고차원의 DataFrame을 계속 미분해가면서 기울기가 가파르지 않..

안녕하십니까 다제 입니다. 저희는 머신러닝에 대해서 배우고 있습니다. 지금까지는 회귀에서 대해서 배웠습니다. 복습을 한번 해볼까요? 머신러닝은 지도학습과 비지도학습으로 나뉩니다. 지도학습은 회귀(연속적인 값 예측)와 분류(정해진 몇개의 값 중 예측)로 나눌 수 있습니다. 이제 분류에 대해서 배울 차례인데요 한가지 궁금증이 생깁니다. 선형회귀로는 분류를 하지 못하는 것인가? 정답~~~~? No! 할 수 있습니다. 그런데 권장하지 않습니다! 왜 그런지 한번 알아보도록 하겠습니다~ 예를 들어서 학생들의 학습한 시간을 기준으로 컴퓨터 시험 합격을 예측하는 모델을 만들고 이를 가지고 분류 작업을 해보겠습니다. (단, 성적은 학습 시간에 비례하며 만점은 50점이라고 가정합니다. ) 합격 커트라인 : 30점 지금 같..

안녕하십니까 다제입니다. 어제는 저희가 선형회귀(Linear regression)에 대해서 알아보았습니다. 그러나, 선형회귀는 feature(데이터의 column)를 하나만 사용하기 때문에 실생활에서 사용하기 부정확합니다. 그럼 어떻게 하면 성능을 높일 수 있을가요? 가장 먼저 생각나는 방법은 feature의 수를 늘리는 것입니다. 그럼~ 두 개이상의 feature를 사용하여 저희의 머신러닝의 성능을 높여보죠! ( 혹시 "feature의 수를 늘리는 것"이라는 말이 이해가 안돼시는 분는 접어진 글을 참고 부탁드립니다.) 더보기 오~ 접는 글을 여셨군요! 머신러닝에 관련된 글을 처음보시는 분들이라고 생각이 됩니다. 잘 오셨습니다~! 저는 최대한 머신러닝을 쉽게 말하고자 블로그를 운영하는 다제 입니다. 바로..

안녕하십니까 다제입니다. 오늘은 Linear regression에 대해서 공부를 진행해보도록 하겠습니다. 저는 선형회귀를 공부하는데 정말 많이 많이 많이 어려웠습니다. 그러나, 큰 그림을 잡고나서 다시 보니 생각보다 간단한 거구나? 하는 마음이 들었습니다. 이에, 학습하시는 자료와 데이터는 분명히 있을거라 생각하고 제가 이해한 선형회귀에 대한 큰 그림을 아래와 같이 설명드리겠습니다. 개요 -. Linear regression(선형회귀)은 무엇을 하는 것인가? -. Linear regression(선형회귀)을 위해 알아할 것들은 무엇이 있는가? -. OLS(최소승자법)는 왜 나온거에요? 그게 무엇이죠?? 1. Linear regression(선형회귀) is So What? 위 그림은 방수에 대한 집값을 점..