[WIL] 멋쟁이사자처럼 AI SCHOOL : 13주차

머신러닝

월 : 미니 프로젝트 발표(kaggle Telco dataset EDA).  머신러닝 기초(분류)

화 : 인코딩(binary, one-hot).  머신러닝 기초(회귀)

수 : 머신러닝 기초(cv, gradient boost, grid search)

목 : 인사이트 데이, 예습("K-MOOC  실습으로 배우는 머신러닝")

 

 

• 회귀의 측정지표 MAE, MSE, RMSE, RMSLE 를 이해하고 사용할 수 있음
• 지도학습의 분류와 회귀의 차이를 이해하고 알맞은 알고리즘을 선택할 수 있음 
• 피처 엔지니어링
  • One-Hot-Encoding, Ordinal-Encoding 의 개념을 이해하고 판다스, 사이킷런으로 구현할 수 있음
  • StandardScaling, Min-Max Scaling, Robust Scaling 의 기법을 이해하고 수치데이터를 정규화 할 수 있음
  • 수치데이터를 범주형 데이터로 변환할 수 있음

 

 

분류 Classification

• 데이터 : Kaggle - Telco Customer Chur

Telco Customer Churn

 

• 학습내용 : https://github.com/kjmn1105/LIKELION_AIS

GitHub - kjmn1105/LIKELION_AIS: 멋쟁이사자처럼 AI School 8기

 

 

• 의사결정나무(DecisionTree) :
  • 장점 : whitebox(내부를 들여다 볼 수 있다) => tree를 시각화(graphviz 활용하여 더 선명하게도) 가능
• 분류모델 평가지표 : Accuracy (정확도) => 예측한 개수와 정답이 몇개나 일치하는가?

 

 

회귀 Regression

• 데이터 : Kaggle - Bike Sharing Demand

Bike Sharing Demand | Kaggle

 

 

데이터 누수 Data Leakage 

머신러닝(혹은 kaggle, dacon 대회 참여시) 주의해야 할 사항 ?

• 미래에 대한 전혀 알 수 없는 대한 정보가 모델 학습에서 사용된 경우를 의미 → (ex. test 데이터가 모델의 학습에 이용된 경우)
• 데이터 누수가 발생하면 모델을 사용하여 의사 결정을 내리기 전까지는 모델이 정확해 보이지만 그 이후에는 모델이 매우 부정확해

 

 

 

어렵