선형 회귀는 가장 간단한 지도 학습 알고리즘 중 하나입니다.
직선 학습하기 (13.1)
교차 특성 다루기 (13.2)
비선형 관계 학습하기 (13.3)
규제로 분산 줄이기 (13.4)
라소 회귀로 특성 줄이기 (13.5)
Summary 최선의 학습 알고리즘을 선택하는 것와 최선의 하이퍼파라미터를 선택하는 것을 모델 선택이라고 정의합니다. 완전 탐색을 사용해 최선의 모델 선택하기 (12.1) 랜덤 탐색을 사용해 최선의 모델 선택하기 (12.2) 여러 학습 알고리즘에서 최선의 모델 선택하기 (12.3) ...
Summary 트리 기반 학습 알고리즘은 분류와 회귀에서 모두 인기있고 널리 사용되는 비모수 지도 학습 방법입니다. 결정 트리 분류기 훈련하기 (14.1) 결정 트리 회귀 훈련하기 (14.2) 결정 트리 모델 시각화하기 (14.3) 랜덤 포레스트 분류기 훈련하기 (14.4...
Summary KNN 분류기는 지도 학습용 머신러닝 모델에서 가장 간단하지만 널리 사용하는 것 중 하나입니다. KNN은 종종 게으른 학습기로 불립니다. 기술적으로 예측을 만들기 위해 모델을 훈련하지 않기 때문입니다. 대신 가장 가까운 k개의 샘플에서 다수의 클래스를 그 샘플의 클래스로 예측합니다. 샘플의 최근접 이웃 찾기 (15....
ch12. Model Selection
ch14. Tree and Random Forest