[KT-AIVLE 4주차 AI Track] 머신러닝

블로그 카테고리 용도:

🔎 매주 KT 에이블 스쿨에서 배운 내용을 복습하기 위해

​

✨4주차 느낀점 :

• 1~3주차 통틀어서 제일 많이 배웠다!
• 머신러닝 알고리즘 정말 많다고 느꼈다!
• 복습 예습 잘하자

​

[머신 러닝] 2/20 ~ 24

이번 4주차에는 5일 동안 머신러닝을 배웠습니다.

아래 순서는 Scikit-Learn의 모델링 코드 구조입니다.

1. 라이브러리 불러오기
2. 사용할 알고리즘을 모델로 선언하기
3. 모델을 학습시키기 (model.fit)
4. 모델을 예측하기 (model.predict)
5. 모델을 평가하기

​

위와 같은 모델링을 진행 하기 위해선 아래와 같은 개념들을 알아야 합니다!

(무엇을 배웠냐..정말 많네요)

1. 머신러닝 개념과 관련 용어
2. 회귀와 분류 구분 ✨
3. 모델링 코드 작성 방법
4. 모델 성능 평가 방법
5. 기본 알고리즘 원리
6. 효율적인 성능 평가 방법
7. 하이퍼파라미터 튜닝
8. 앙상블 알고리즘 등

정말 많은 걸 배웠지만 결국 가장 중요한 것은 주어진 데이터에서

target값을 잘 설정하는 것과

회귀문제 인지 분류문제 인지 유형을 정확히 파악하고 그에 맞는

알고리즘과 평가 방법을 선택하는 것이였습니다.

​

좋은 모델을 만들기 위해선..

​

복잡도와 성능의 적절한 균형을 맞춰야 합니다

성능이 높긴해도 복잡도가 높으면

복잡도가 낮지만 성능이 낮으면

과대적합과 과소적합이 일어날 수 있습니다

​

(내일 부터는 딥러닝을 배우니 예습을 꼭합시다..!)

​