|
머신러닝 모델 과적합 방지
교차 검증
모델이 학습 데이터에 너무 특화되어 새로운 데이터에 대해 성능이 저하되는 과적합 문제를 해결하기 위해 교차 검증을 사용한다. 교차 검증은 데이터를 여러 번 분할해 모델을 평가함으로써 데이
|
|
|
Data Mining Technology on Web Logs\", IEEE ADL Proceedings, 1998, pp. 19-29. 인터넷 쇼핑몰 CEO로 성공하기 위해 데이터 마이닝 기법을 이용한 분류모델과 마케팅 전략
I. 서론
1. 분석 동기와 보고서의 목적
2. 인터넷 쇼핑몰에서의 통계분석 시스템
3. 분
|
|
|
데이터시각화. 출판문화원.
유충현 , 홍성학(2015). R을 활용한 데이터 시각화. 인사이트.
https://www.erc.re.kr/webzine/vol33/sub24.jsp (데이터에서 콜레라 발생 원인을 찾다)
https://www.behance.net/gallery/100153201/Fossil-Fuels-Dataviz
https://informationisbeautiful.net/visual
|
|
|
.
- 해당 기계학습 모델의 예측 성능을 향상시키는 것을 목표로 한다. I. 서론
II. 본론
1. 전처리
2. 특징변환의 필요성
3. 특징(Feature)변환
4. 목표변환
5. 결측값 대체(Imputation)
6. 특징공학
7. ROCKET
8. Shapelets
III. 결론
IV. 참고문헌
|
|
|
데이터에 컬럼의 수가 많을 경우 중간에 있는 변수(컬럼)들의 내용이 \'...\'으로 생략되어 확인하기 어려울때는 개별변수의 기술통계량을 확인하고 싶을때는 nutrient[\"변수\"].describes() 명령어를 사용할 수 있다.
(3)변수 (calcium, iron, protein, vitami
|
|
 |
데이터와 한계를 어떻게 설계와 논리로 극복해 나갈 수 있는지, 그리고 팀원 간의 역할 분담과 갈등 조율을 통해 하나의 결과물로 연결시키는 책임감의 무게를 깊이 체감했습니다. 또한 숫자 너머의 ‘가치’를 해석할 수 있는 투자 인재로
|
|
메뉴펼치기
