머신러닝 :: 머신러닝 모델(SVM, KNN, 의사결정 나무, 랜덤 포레스트)
머신러닝 모델(SVM, KNN, 의사결정나무, 랜덤 포레스트) 1. SVM(Support Vector Machine) · 아래 그림의 오른쪽 그래프처럼 각 서포트 벡터를 구분할 수 있는 축을 그리고 margin을 계산한다. SVM에서는 margin이 최대가 되도록 모델을 학습시킨다. · 위의 그림에서는 x1, x2 두가지의 특징으로 구분했을 경우이지만, 두개의 특징으로도 구분이 되지않는 경우가 생길 수 있다. 이 때에는 x3, x4, ...의 특징을 추가하여 feature(특성)를 3차원 이상으로 만들어줄 수 있다. Feature가 늘어날 수록 classifier의 성능은 높아진다. 2. KNN(k-Nearest Neighbors) · 가까운 거리 내의 개체를 보고 비슷한 특성을 가진 개체끼리 군집화하는..
2022. 10. 12.
머신러닝 :: 선형회귀(Linear Regression) 분석 실습(Tensorflow, Keras)
머신러닝 선형회귀 분석(tensorflow, keras) 1. 텐서플로(Tensorflow)를 활용한 선형회귀 분석 · · 먼저 텐서플로우를 아래와 같이 임포트 한다. Alias는 관례적으로 tf로 지정한다. import tensorflow as tf · 텐서플로는 v1버전을 사용하기 위해 아래와 같이 호출하여 사용한다. # tf.compat.v1. tf.compat.v1.disable_eager_execution() · 사용하려는 데이터셋을 정의한다. 아래에서 입력은 x_data, 출력은 y_data이다. x_data = [[1, 1], [2, 2], [3, 3]] y_data = [[10], [20], [30]] · X, Y를 넣어줄 공간(placeholder)을 정의해준다. 괄호 안에는 데이터 형식..
2022. 10. 11.
