코딩헤딩

* KNN회귀모델 - K Nearest Neighbor 1. 데이터 확인 1) 길이로 무게 예측하기 perch_length.shape, perch_weight.shape 결과 : ((56,), (56,)) - 길이 : 문제(독립변수) / 무게(연속형) : 답(종속변수) 2) 산점도 그리기 import matplotlib.pyplot as plt plt.scatter(perch_length, perch_weight) plt.xlabel("length") plt.ylabel("weight") plt.show() - 초반에는 곡선을 띄는 듯하다가, 중반부부터는 직선의 형태를 나타내고 있음. - 종속변수가 연속형 데이터이기에, 선형 분포를 나타내기에 회 귀모델을 사용함. 3) 훈련 및 테스트 데이터 분류하기 *..

https://coding-heading.tistory.com/84 [ML(머신러닝)] 머신러닝 기초 3-2 https://coding-heading.tistory.com/83 [ML(머신러닝)] 머신러닝 기초 3-1 - 정의된 변수 이름은 없음 - 훈련데이터 : 훈련(fit)에 사용되는 데이터 : (훈련 독립변수) train_input, train-x, X_train : (훈련 종속변수) tra coding-heading.tistory.com 위 글과 이어집니다. 1. 데이터 수집 2. 독립변수 2차원과 종속변수 1차원 데이터로 취합 3. 훈련, 검증, 테스트 데이터로 섞으면서 분리 -----------3번 후 정규화 진---------- 4. 훈련, 검증, 테스트 데이터 중에 독립변수에 대해서만 정규..

https://coding-heading.tistory.com/83 [ML(머신러닝)] 머신러닝 기초 3-1 - 정의된 변수 이름은 없음 - 훈련데이터 : 훈련(fit)에 사용되는 데이터 : (훈련 독립변수) train_input, train-x, X_train : (훈련 종속변수) train_target, train_y, Y_ train - 검증데이터 : 훈련 정확도(score)에 사 coding-heading.tistory.com 위 글과 이어집니다. * 머신러닝, 딥러닝에서 사용하는 테이터 분류기 함수 from sklearn.model_selection import train_test_split - 랜덤 하게 섞으면서 두 개(훈련 : 테스트)의 데이터로 분류함 train_input, test_inp..

- 정의된 변수 이름은 없음 - 훈련데이터 : 훈련(fit)에 사용되는 데이터 : (훈련 독립변수) train_input, train-x, X_train : (훈련 종속변수) train_target, train_y, Y_ train - 검증데이터 : 훈련 정확도(score)에 사용되는 데이터 : (검증 독립변수) val_input, val-x, X_val : (검증 종속변수) val_target, val_y, Y_ val - 테스트데이터 : 예측(predict)에 사용되는 데이터 : (테스트 독립변수) test_input, test-x, X_test : (테스트 종속변수) test_target, test_y, Y_ test 앞으로 변수의 이름은 위와 같이 통일한다. 1. 훈련과 테스트를 비율로 먼저 나누..