[Megabyte School : AI 데이터 사이언티스트 취업 완성 과정] Day 46.

 

 

 

안녕하세요 늑대양입니다 :)

 

 

계속해서 본격적으로 ML 학습을 진행합니다!! 🥸

 

 

[AI 데이터 사이언티스트 취업 완성 과정]의 46일차 일과를 정리하여 안내해드리도록 하겠습니다.

 

 

 

 

늑대양 라벤더 버전!

 

 

 

Day 46 시간표:

• 머신러닝 입문
• 워크시트 작성 및 제출
• 머신러닝 입문 (실강)

 

 

Day 46 온라인 학습 범위:

• 8강
• 예상 학습 시간: 2:54:36

대주제(Part)	중주제(Chapter)
Part.4 머신러닝 with Python	CH05_01. 클러스터링의 정의
Part.4 머신러닝 with Python	CH05_02. Model1. K-means
Part.4 머신러닝 with Python	CH05_03. Model2. Hierarchical Agglomerative
Part.4 머신러닝 with Python	CH05_04. Model3. DBSCAN
Part.4 머신러닝 with Python	CH05_05. Model4. Spectral Clustering
Part.4 머신러닝 with Python	CH05_06. Mini PJT. 쇼핑몰 사용자 고객 세분화
Part.4 머신러닝 with Python	CH06_01. Case1. 생산공정 테스트 시간 예측
Part.4 머신러닝 with Python	CH06_02. Case2. 지하철 이용 패턴 분석

 

 

 

 

머신러닝 입문

Decision Tree to Random Forest

Ensemble - Bagging

• Bagging: Bootstrap aggregation

 

Bagging example

 

 

• Bootstrapping > data sampling 기법
  • 데이터를 N(원본 데이터 개수)개 뽑음
  • With replacement (복원추출)
  • 뽑은 것을 N개의 모델로 나눔
  • N개에 대해서 majority voting(다수결 투표) 진행
  • 동률일 경우엔 그 중에 랜덤 사용

 

 

 

 

Random Forest

Random Forest example

 

 

 

Bagging + Randoum subspace method (Feature sampling)

 

 

Random Forest example - 2

 

 

 

• Bagging 되는 모델은 서로 완전히 독립적!!
• (이론상) 코어 당 하나씩 돌려볼 수 있음
• 조금 더 모델들이 다양하게 나옴
• Tree 하나 하나가 각각의 CART!!

 

 

 

 

Bagging > Random forest(믿음의 영역) > Boosting(R.F의 단점 극복) > Gradient Boosting(좋지만 매우 느림) > LightGBM(속도까지 개선!)

 

 

• 데이터가 적으면 Bagging, random forest를 활용하자!!

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

긴 글 읽어주셔서 감사합니다 :)