4주차 수업 "머신러닝"
이번주차 수업은 조금 듣다가 일이있어서 뒷부분은 VOD 로 열심히 들었다
VOD도 내가 원하는 부분 복습할 수도 있고 좋았다 ㅎㅎ
다른 주차 것도 막주차에 VOD를 쭉 들은 뒤에 한번 정리를 쭉 해야겠다.
▶ 일요일 스터디 세션
▶ 4주차 공부내용 정리
👇👇👇
[코멘토] "일 잘하는 마케터를 위한 파이썬 기초 분석 패키지" 바로가기
이번엔 정리를 PPT로 해서 PPT를 올린다!
https://drive.google.com/file/d/1MWNVN8GZK4_hPVnxenp85xGM5-Raq1hV/view?usp=sharing
Google Drive - 모든 파일을 한 곳에서
하나의 계정으로 모든 Google 서비스를 Google Drive로 이동하려면 로그인하세요.
accounts.google.com
(요약)
- 인공지능 : 사람을 흉내내는 소프트웨어, 프로그램, 인공적인 장치 모두 인공지능. 큰 틀
- 머신러닝 : 인공지능을 구현하는 구체적인 방식 기계를 학습시키는 것
- 딥러닝 : 인공지능에 대한 깊게 학습하는 것 , 머신러닝 기술 중 하나
* 일반 소프트웨어는 입력하면 출력 하지만 머신러닝은 데이터를 가지고 학습 → 머신러닝 모델 생성 → 입력을 했을 때 추론을 기반으로 논리적인 결론에 도착한다는게 다르다
* 추천시스템도 인공지능의 종류 중 하나!
[추천방식] –– 유저기반 추천방식 / 아이템기반 추천방식
(1) 유저기반 : 비슷한 시간에 활동하는 유저들의 작품을 추천을 해준다
(2) 아이템기반 : 비슷한 별점 , 비슷한 러닝타임을 가진 작품을 추천
(3) 협업 필터링 ( 유저기반 + 아이템기반 )): 두 추천시스템을 합치는 것
머신러닝은 학습을 하는 아이와 같다
* 머신러닝 학습방법 2가지
- 지도학습 : 정답을 알려주며 진행되는 학습 (Supervise)
→ 분류, 회귀. 정답을 알려주면서 진행되는 학습
- 비지도학습 : 정답이 없는 학습 , 데이터 패턴을 찾을 때 사용 (클러스터링기법)
→ 군집화, 차원축소. 정답이 없는 학습방법. 데이터 패턴 찾을 때 쓰임
▷ 오늘 배운건 지도학습!
회귀는 숫자일 때 값을 예측하는 지도학습 시 사용
분류는 비슷한 것을 구분해서 A,B,C 로 등급을 나눌 때 사용
* TP, TN, FP, FN
Accuracy 정확도
Precision 정밀도
Recall 재현율
F1Score : 정밀도와 재현율 둘 다 반영해 조화평균을 구하는 것 어느 하나에 치우치지 않게 평균을 구하는 것
#맞는지 평균구하는 것
MSE(Mean Squared Error) : 실제 값과 예측값의 차이를 제곱해 평균
RMSE : MSE에 루트를 씌워 실제값과 유사한 단위로 다시 변환하여 해석 쉽게 도움
▶ 출석률&누적환급액
아자! 곧 마지막주차다 끝까지 힘내자!
