6월 03
[Machine Learning with Python Cookbook] ch11. Evaluation of Model
Summary Code Summary 모델은 예측 성능이 높아야 유용하므로 근본적인 목적은 고품질의 모델을 만드는 것입니다. 따라서 알고리즘이 만들 모델의 평가 방법에 대해 알아보겠습니다. * 교차검증 모델 만들기...
View More
4월 23
Analysis | Microbiome Data Analysis
Intro Understand of Microbiome Analysis Analysis Pipeline Statistical Analysis and Visualization Summary Intro M...
View More 4월 12
[Machine Learning with Python Cookbook] ch10. Dimension Reduction using Feature Selection
Summary Code Summary 특성 선택(feature selection)은 고품질의 정보가 많은 특성은 선택하고 덜 유용한 특성은 버리는 방식입니다. 방식에는 필터, 래퍼, 임베디드 세 가지가 있습니다. 필터 ...
View More 4월 12
[Machine Learning with Python Cookbook] ch9. Dimension Reduction using Feature Extraction
Summary Code Summary 차원 축소를 위한 특성 추출(feature extraction)의 목적은 특성에 내재된 정보는 많이 유지하면서 특성 집합 hooriginal을 새로운 집합 $ ho_...
View More 4월 11
[Machine Learning with Python Cookbook] ch5. Category Data
Summary Code Summary 범주형 데이터를 머신러닝에 알맞은 특성으로 변환하는 다양한 전략을 소개합니다. * 범주형 데이터 인코딩 - 순서가 없는 범주형 특성 인코딩: sklearn의 Lab...
View More 4월 06
[Machine Learning with Python Cookbook] ch4. Numeric Data
Summary Code Summary 정량적 데이터를 머신러닝에 알맞은 특성으로 변환하는 다양한 전략을 소개합니다. * 특성 스케일 바꾸기 (4.1) - 특성 배열의 scale 조정: sklearn의 ...
View More 3월 30
[Machine Learning with Python Cookbook] ch3. Data Wrangling
Summary Code Summary Data wrangling은 원본 데이터를 정제하고 사용 가능한 형태로 구성하기 위한 변환 과정을 광범위하게 의미하는 비공식적인 용어입니다. 사용하는 가장 일반적인 구조는 데이터프레임입니다....
View More