일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- RL
- 요약
- 정리
- 선형 회귀
- Sigmoid Function
- machine learning
- sklearn
- regression
- Logistic regression
- 딥 러닝
- 시그모이드 함수
- cost function
- Deep learning
- Kaggle
- 합성곱 신경망
- 회귀
- convolutional neural network
- 비용 함수
- Q-Learning
- iris
- Gradient descent algorithm
- csv
- Neural network
- CNN
- 기울기 감소 알고리즘
- reinforcement learning
- Logistic
- data
- 강화학습
- 논리 회귀
- Today
- Total
목록sklearn (4)
컴공돌이의 스터디 블로그
* 이 글은 www.scikit-learn.org에서 볼 수 있는 내용을 정리한 글 입니다. sklearn.svm.SVR [변수]- kernel : 알고리즘에 사용할 kernel을 결정('linear', 'poly', 'rbf', 'sigmoid', 'precomputed')- degree : polynomial 함수의 차수- gamma : kernel의 계수- coef0 : kernel 함수의 독립적인 구간- tol : 중지 기준에 대한 허용 오차 값- C : 오차 구간에 대한 페널티 값- epsilon : Support Vector Machine 모델의 입실론 값- shrinking : 휴리스틱 값이 줄어드는지 여부를 결정- cache_size : kernel에 사용되는 캐시 값- verbose : ..
* 이 글은 www.scikit-learn.org에서 볼 수 있는 내용을 정리한 글 입니다. sklearn.linear_model.LogisticRegression [변수]- penalty : 페널티를 부여할 때 사용할 기준을 결정('l1', 'l2')- dual : Dual Formulation인지 Primal Formulation인지를 결정(True, False)- tol : 중지 기준에 대한 허용 오차 값- C : 규칙의 강도의 역수 값- fit_intercept : 의사 결정 기능에 상수를 추가할 지 여부 결정(True, False)- intercept_scaling : - class_weight : 클래스에 대한 가중치들의 값- random_state : 데이터를 섞을 때 사용하는 랜덤 번호 생..
* 이 글은 Iris DataSet을 이용한 실습 과정을 정리한 글입니다. Iris DataSet에 Classifier 사용해 보기 Iris DataSet은 4개의 변수 Sepal Length, Sepal Width, Petal Length, Petal Width와 4개의 변수마다 해당하는 Iris의 종류로 구성되어 있습니다. Iris의 종류가 결과값이기 때문에 Iris DataSet을 사용해서 할 수 있는 실습은 Classification이라는 것을 알 수 있습니다. Classification을 하기 위해서는 데이터에 Classifier를 적용시켜야 합니다. Classifier은 굉장히 종류가 다양하고 많지만 이번 글에서는 많이 알려지고 많이 쓰이는 Classifier들인 Logistic (Regres..
* 이 글은 Iris DataSet을 이용한 실습 과정을 정리한 글입니다. Iris DataSet 가져오기 Iris DataSet은 1930년대부터 시작된 고전적인 데이터셋이기 때문에 DataSet을 가져오는 방법에도 여러가지 방법이 존재합니다. 하지만 가장 간단한 방법은 Scikit-Learn에 들어있는 Iris DataSet을 코드상으로 불러오는 방법일 것입니다. 1234567891011from sklearn.datasets import load_irisimport pandas as pdimport numpy as np Iris = load_iris() Iris_Data = pd.DataFrame(data= np.c_[Iris['data'], Iris['target']], columns= Iris['..