My Data Story

◈ '분류' 목차 ◈ 1. 나이브 베이즈 2. 선형판별분석(LDA) 3. 로지스틱 회귀 4. 소프트맥스 회귀 5. 다중 레이블 분류, 다중 출력 분류 다중 레이블 분류, 다중 출력 분류에 대한 정의와 방법에 대해 알아본다. 6. 분류 모델 평가 1. 다중 레이블 분류 분류기가 샘플마다 여러 개의 레이블에 대해 출력해야 할 때도 있다. 예를 들어 얼굴 인식 분류기는 사진 속 여러 얼굴에 대해 각각 레이블을 출력해야 한다. 분류기가 앨리스, 밥, 찰리 세 얼굴을 인식하도록 훈련이 되어 있을 때, 사진에 앨리스와 찰리의 얼굴이 있다면 [1,0,1] 로 출력할 것이다. from sklearn.neighbors import KNeighborsClassifier #여러 레이블 생성 y_train_large = (y..

◈ '분류' 목차 ◈ 1. 나이브 베이즈 2. 선형판별분석(LDA) 3. 로지스틱 회귀 4. 소프트맥스 회귀 다중 클래스를 분류할 수 있는 소프트맥스 회귀 모델에 대해 살펴본다. 5. 다중 레이블 분류, 다중 출력 분류 6. 분류 모델 평가 1. 다중 분류 이진 분류는 하나의 레이블에 2개의 클래스가 존재하는 분류 문제였다면, 다중 분류는 하나의 레이블에 3개 이상의 클래가 존재하는 분류이다. 다중 분류하는 기법은 다양하다. SGDClassifier, RandomForestClassifier, NaiveClassifier 는 여러 개 클래스에 대해 직접 처리 가능하다. 로지스틱 회귀나 SVM은 이진 분류만 가능하지만, 이진 분류기 여러 개를 사용하여 다중 클래스를 분류하는 기법도 많이 있다. 첫번째 기법..