개복치개발자

Confusion Matrix라고 모델 평가항목입니다. True Positives : 1인 레이블을 1이라 하는 경우를 True Positives라고 한다. -> 관심 범주를 정확하게 분류한 값. False Negatives : 1인 레이블을 0이라 하는 경우를 False Negatives라고 한다. -> 관심 범주가 아닌것으로 잘못 분류함. False Positives : 0인 레이블을 1이라 하는 경우를 False Positives라고 한다. -> 관심 범주라고 잘못 분류함. True Negatives : 0인 레이블을 0이라 하는 경우를 True Negatives라고 한다. -> 관심 범주가 아닌것을 정확하게 분류. 참조 [1] - https://yamalab.tistory.com/50

GridSearchCV에 대해서 알아봅니다. GridSearchCV이 뭔지 간단하게 말하면 데이터를 잘 쪼개서 최적의 데이터셋을 만들어내는 방법입니다. GridSearchCV를 사용하면서 아래의 학습 알고리즘을 사용합니다. SVC Random Forest XGBoost 라는 애들이 나옵니다. 다 머신러닝 지도학습 모델인데 SVM부터 보겠습니다. SVM(Support Vectore Machine)는 결정경계(Decision Boundary)를 찾는 모델입니다. SVM에 파라메터 c값이 나오는데 c 값이 클 수록 하드마진(오류 허용 x)입니다. gamma라는 값도 나오는데 결정 경계를 어떻게 그을까 하는 것입니다. gamma값을 높이면 경계를 구불구불하게 긋습니다.(오버피팅 우려가 있죠?) RandomFor..

https://www.kaggle.com/uciml/breast-cancer-wisconsin-data Breast Cancer Wisconsin (Diagnostic) Data Set Predict whether the cancer is benign or malignant www.kaggle.com 유방암 예측 관련 데이터입니다. Attribute Information: 1) ID number 2) Diagnosis (M = malignant, B = benign) 3-32) Ten real-valued features are computed for each cell nucleus: a) radius (mean of distances from center to points on the perimeter..

Kaggle 이라는 데이터 커뮤니티의 문제를 보다가 깨달음이 왔는데 그냥 이게 뭐 데이터를 가지고 이것저것 하고 엄청 어려운 것 같은데 자세히 보면은 별게 아닙니다. 그냥 pandas를 이용해서 데이터를 뭐 약간 수정하고 몇가지 머신러닝 알고리즘 이용해서 적용해주면 끝이네요... 뭐 정말 정확도를 높이고 이런 작업에는 더 다양한 테크닉이 필요하겠지만, 입문용으로는 이정도만 알면 되는 것 같습니다.

데이터분석하다 이렇게 생긴애를 보신 적이 있을텐데 얘가 뭐냐하면 평균값이 어디에 몰려있는지 알려주는 애입니다. 아래의 코드를 보면 쉽게 이해갈 것 같습니다.

Restaurant Revenue Prediction에 대해서 아봅니다. 각 데이터가 의미하는 것은 아래와 같습니다. File descriptions train.csv - the training set. Use this dataset for training your model. test.csv - the test set. To deter manual "guess" predictions, Kaggle has supplemented the test set with additional "ignored" data. These are not counted in the scoring. sampleSubmission.csv - a sample submission file in the correct format Dat..

https://www.kaggle.com/mlg-ulb/creditcardfraud Credit Card Fraud Detection Anonymized credit card transactions labeled as fraudulent or genuine www.kaggle.com 신용카드 사기를 검출하는 방법입니다. 이제까지 신용카드의 사용 패턴을 파악해서, 이상한 패턴이 있으면 알려주는 방식입니다. 참고 [1] - https://github.com/cosmicudemy/ML_Casestudies

참조 # https://github.com/akseersafdar/Telstra-Network-Disruptions/blob/master/Telstra%20Network%20Disruptions_Python%20Notebook.ipynb

Catboost에 대해서 알아보기 전에 일단 GBM(Gradient Boosting Algorithm) 부터 알고 가봅니다. 머신러닝에서 부스팅(Boosting)이라는 것은 약한 학습기를 여러개 결합해서 정확도가 높은 학습 모델을 만드는 것입니다. 그러면 Gradient Boosting은 당연히 경사하강법을 통해서 만들어진 학습 모델 여러개를 합쳐서 정확도가 높은 모델을 만드는 것입니다. 다시 Catboost로 돌아오면, catboost는 GBM을 구현해놓은 패키지중 하나입니다. LightGBM, XGBoost도 마찬가지입니다. 참조 https://4four.us/article/2017/05/gradient-boosting-simply https://3months.tistory.com/368 https:..

https://www.kaggle.com/c/telstra-recruiting-network/data Telstra Network Disruptions Predict service faults on Australia's largest telecommunications network www.kaggle.com 여기 들어가보면 아래와 같이 설명이 나옵니다. The goal of the problem is to predict Telstra network's fault severity at a time at a particular location based on the log data available. Each row in the main dataset (train.csv, test.csv) represent..