목록RMSE (2)
My Data Story
◈ '머신러닝 프로젝트' 목차 ◈ 1. 머신러닝 프로젝트 절차(1) - 큰 그림 보기 데이터를 보기 앞서 명확하게 수립하고 넘어가야 할 내용들에 대해 살펴보자. 2. 머신러닝 프로젝트 절차(2) - 데이터 샘플링 및 훈련/테스트 세트 만들기 3. 머신러닝 프로젝트 절차(3) - 데이터 이해를 위한 탐색 4. 머신러닝 프로젝트 절차(4) - 머신러닝 알고리즘을 위한 데이터 준비 5. 머신러닝 프로젝트 절차(5) - 모델 훈련 및 검증 6. 머신러닝 프로젝트 절차(6) - 모델 세부 튜닝 7. 머신러닝 프로젝트 절차(7) - 시스템 론칭 1. 문제 정의 비즈니스의 정확한 목적을 파악해야 한다. 그리고 현재 솔루션은 어떻게 적용되고 있는 지 파악한다. 현황에 대한 자료들과 명확한 비즈니스 목적 하에 시스템을 ..
◈ '회귀' 목차 ◈ 1. 선형 회귀 개념 2. 선형 회귀 모델 훈련 3. 선형 회귀 모델 평가 및 모델 선택 선형 회귀 모델 평가 지표에 대해 살펴보고, 다중 선형 모델 구현 시 최적의 예측 변수 선택하는 방법에 대해 알아보자. 4. 선형 회귀로 새로운 데이터 예측 5. 선형 회귀 모델 해석 6. 선형 회귀 가설 검정 : 회귀 진단 7. 비선형 회귀 - 다항 회귀, 스플라인 회귀 8. 규제가 있는 선형 회귀 1. 선형 회귀 모델 평가 Average Error sign effect 에 따라 적절하지 않은 결론으로 도달하기 쉬워 절대 사용 안 한다. Mean Absolute Error (MAE) Average Error 에 절댓값을 적용한 지표인데 상대적 차이값을 나타내기 어렵다. Mean Absolute..