scikit-learn2 [머신러닝] 6. 머신러닝 총정리 1. 알고리즘 간단 정리 1.1. K-NN 1.2. Decision Tree1.3. Random Forest 1.4. Linear/Logistic Regression 1.5. SVM2. 머신러닝 기법 장단점 비교3. 머신러닝 기법 코드 실험1. 알고리즘 간단 정리지금까지 알아 본 머신러닝 기법들을 간단히 정리하고, 여러가지 데이터셋들에 대해 실험해보고 결과 한번 확인해 보고 마무리 해보도록 하겠습니다.1.1. K-NN알고리즘학습 데이터들을 저장한다.예측해야 하는 데이터가 주어지면, 저장한 데이터들과의 거리를 측정한다.측정한 거리를 보고, 가장 가까운 K개의 데이터의 과반수 라벨, 또는 평균값을 결과값으로 예측한다.자세한 내용 : https://all-the-meaning.tistor.. 2024. 12. 6. [머신러닝] 1. KNN (K-Nearest Neighbors) 1. KNN (K-Nearest Neighbors) 1.1. KNN의 작동원리 1.2. KNN의 하이퍼 파라미터2. KNN의 주요 특징 2.1. KNN의 장점 2.2. KNN의 단점3. KNN 코드 구현 3.1. scikit-learn에서 KNN 3.2. KNN 모델 실험 A. 데이터 정규화의 영향 B. 근접 이웃(K)의 영향 C. 가중치 영향 D. 거리 측정 방식의 영향1. KNN (K-Nearest Neighbors)KNN은 별다른 학습이 필요 없는 이해하기 가장 쉬운 알고리즘입니다. KNN에 대해서 먼저 알아 보도록 하겠습니다.1.1. KNN의 작동 원리1. 학습에 필요한 데이터들을 저장한다.2. 예측하고자 하는 데이.. 2024. 11. 26. 이전 1 다음
