코린이 성장일기

🗒️ 오늘 풀어볼 문제 배열의 유사도 : https://school.programmers.co.kr/learn/courses/30/lessons/120903 배열 회전시키기 : https://school.programmers.co.kr/learn/courses/30/lessons/120844 중복된 문자 제거 : https://school.programmers.co.kr/learn/courses/30/lessons/120888 프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr 💻 문제 풀이 1. 배열의 유사도 : 이중 for 문을 사용했다. def solut..

상담을 공부하다가 온 나는, 사실 멋사에서 공부하는 것들이 재미있다. 미지의 세계에 머물러 있어야 했던 시절과 달리, 미지의 세계를 파헤쳐서 눈에 보여주도록 만든다. 모르면 약이지만, 아는 게 힘일 수 있는 세상에서, 나는 아는 게 힘이 되는 게 좋다. 그렇게 재밌게 공부해왔는데, 머신러닝에 들어와서 머리가 지끈지끈하다 . . 하기 싫은 저항에 이번 한 주는 종종 꿈 속을 러닝했다 ^0^ 이번 주는 캐글의 벤츠 데이터를 가지고 실습했다. https://www.kaggle.com/c/mercedes-benz-greener-manufacturing Mercedes-Benz Greener Manufacturing | Kaggle www.kaggle.com 데이터를 보면, 컬럼만 378개이다. 데이터 확인만도 ..

머신러닝에 대해서 이해 없이 나무를 만들고 숲을 만들고 부스팅을 돌려보려니 정신이 혼미해진다. . . 성신여대 김영훈 교수님의 '실습으로 배우는 머신러닝'을 다시 켰다 .. 설명이 아주깔끔하고 이해가 쏙쏙되는 전개다..! 기초쌓기에는 최고인 것 같다 !! 1주차부터 차근차근 기초를 쌓아가야함의 필요성을 느끼고, 1주차를 완주함 ! 👇 강의를 보시려면 요기 👇 http://www.kmooc.kr/dashboard?status=audit 로그인 | K-MOOC www.kmooc.kr 1주차에서 가장 인상 깊었던 것은 Loss 와 Learning에 대해 이해한 부분이다. 선형회귀 함수를 설명해주시면서 본질적인 학습 원리를 설명해주셨는데, 간략히 배운 것에 대해 정리해보고자 한다. ⭐ 모델을 만들어 학습시키기 ..

1. 앙상블 : '전체적인 어울림이나 통일', '조화', '함께, 동시에'라는 의미를 가진 프랑스어 2. 머신러닝에서 앙상블 학습(Ensemble Learning)이란, 말 그대로 여러 모델을 써서 조합하여 결과를 낸다. 이렇게 하면 하나의 분류나 회귀 모델이 가진 최고 성능보다 더 좋은 성능을 얻을 수 있다. 그래서 요즘 Kaggle의 우승사례를 보면 대부분 앙상블을 사용했다고. . . 예를 들어보면, DecisionTree 모델 하나만 쓰는 게 아니라, KMN, 로지스틱, SVM과 같은 모델을 사용해서 결과물을 종합해서 가장 좋은 결과를 내는 것으로, 3. 가장 대표적인 앙상블 모델이 Random Forest이다. Decision Tree를 기반으로 앙상블을 하는 것인데, 말 그대로 나무를 모아서 숲..

이번주부터 본격 머신러닝에 돌입했다 . 희권님이 붙여주신 러닝머신이라는 별명이 좋았다.. . 왜냐면 처음 배우기 전 머신러닝은 뭔가 멋진 것을 배우는 것 같아서 기대감 폭발이었는데, , , 한 주 배우고나니, , 러닝머신처럼 힘들었다 , , , 나와 이름이 같은 조은 강사님^_^께서 추천해주신 복습방법 : 공식문서 TIL 해보기 이것으로 이번주를 복습해보고자 한다 ! ! 이번주는 Decision Trees를 사용해보았다. 그 중에서도 Classification ! ! 관련해서 Decision Trees 공식문서를 공부해보고자 한다. ! 👇 scikit-learn 공식문서 링크 https://scikit-learn.org/stable/user_guide.html User guide: contents Use..

seaborn의 plottiing 기능에 대해 전반적으로 살펴보자. seaborn의 대부분의 작업이 플로팅 기능에서 일어난다. 이 튜토리얼의 이후 장에서는 각 기능에서 제공하는 특정 기능을 살펴본다. 이 장에서는 접하게 될 다양한 종류의 함수를 개괄적으로 소개한다. Similar functions for similar tasks 유사한 작업에 대한 유사한 기능들 seaborn namespace는 평평하다. 즉, 모든 기능은 최상위 수준에서 접근할 수 있다. 그러나 코드 자체는 계층 구조이며, 서로 다른 수단을 통해 유사한 시각화 목표를 달성하는 함수 모듈로 구성되어 있다. 대부분의 문서는 이러한 모듈을 중심으로 구성되어 있다. "관계형relational", "분산형distributional", "범주형c..