전체 글48 XGBoost 튜토리얼 1. XGBoost 튜토리얼 - 목표 이 XGBoost 자습서에서는 XGBoosting이란 무엇인가에 대해 공부하겠습니다. 또한 XGBoosting의 기능과 XGBoost Algorithm이 필요한 이유에 대해서도 알아보겠습니다. 우리는 왜 XGBoost를 사용하는지, 왜 XGBoosting이 좋은지 등 모든 기본 개념을 다루도록 노력할 것입니다. 그러면 XGBoost Tutorial을 시작하겠습니다. 2. XGBoost란 무엇입니까? 그것은 최근에 응용 머신 러닝을 지배하고 있다. XGBoost Algorithm은 그레이디언트 증가 결정 트리의 구현이다. 그것은 속도와 성능을 위해 고안되었다. 기본적으로 XGBoosting은 소프트웨어 라이브러리의 한 종류입니다. 컴퓨터에 다운로드하고 설치할 수 있습니.. 2021. 5. 18. Gradient Boosting Algorithm에 대해서 1. 경사 부스팅 알고리즘 이 기계 학습 자습서에서는 Gradient Boosting Algorithm을 공부한다. 또한, 우리는 부스팅 알고리즘의 역사와 목적을 배울 것입니다. 이와 함께, 우리는 Gradient Boosting Algorithm의 작업도 연구할 것이며, 마지막으로 Gradient Boosting Algorithm의 개선에 대해 논의한다. 그레이디언트 부스팅 알고리즘이란? 2. 기계 학습에서 Gradient Boosting이란 무엇입니까? 그레이디언트 부스팅은 회귀 및 분류 문제에 대한 기계 학습 기법이다. 이는 약한 예측 모델의 앙상블 형태로 예측 모델을 생성한다. 예측 모형의 정확성은 두 가지 방법, 즉 a로 높일 수 있다. 피처 엔지니어링 또는 b를 수용합니다. 부스팅 알고리즘을 .. 2021. 5. 17. Dimensionality Reduction의 기술과 방법 1. 치수 감소 - 목표 이 기계 학습 자습서에서는 치수 감소란 무엇인가에 대해 공부한다. 또한 기계 학습의 모든 관련 측면을 다룰 것이다 - 요소 등 차원 축소 방법, 원리 요소 분석 및 차원 감소의 중요성, 특징 선택, 차원 감소의 장점 및 단점. 이와 함께 치수 감소의 모든 W를 볼 수 있습니다. 이제 치수 축소 자습서를 시작하겠습니다. 2. 치수 감소란? 기계 학습에서 우리는 최종 분류가 이루어지는 너무 많은 요소를 가지고 있다. 이러한 요인은 기본적으로 변수라고 합니다. 기능 수가 많을수록 교육 세트를 시각화하여 작업하기가 어려워집니다. 때로는 이러한 기능 대부분이 상관관계가 있어 중복될 수 있습니다. 여기서 차원 축소 알고리즘이 적용됩니다. 3. 동기부여부 실제 문제와 실제 데이터를 처리할 때.. 2021. 5. 17. SVM(지원 벡터 머신)의 사례 1. 목표 이전 Machine Learning 블로그에서 SVM(Support Vector Machines)의 자세한 소개에 대해 논의했습니다. 이제 얼굴 감지, 필기 인식, 이미지 분류, 생체 정보 등과 같은 SVM의 실제 애플리케이션에 대해 알아보겠습니다. 2. 실제 SVM의 애플리케이션 우리가 살펴본 바와 같이, SVM은 지도 학습 알고리듬에 의존한다. SVM을 사용하는 목적은 보이지 않는 데이터를 올바르게 분류하는 것입니다. SVM에는 여러 필드에 여러 애플리케이션이 있습니다. SVM의 몇 가지 공통 애플리케이션은 면 감지 - SVMc는 이미지의 일부를 면과 비면으로 분류하고 면 주위에 사각형 경계를 만듭니다. 텍스트 및 하이퍼텍스트 분류 - SVM은 유도 및 변환 모델에 대해 텍스트 및 하이퍼텍.. 2021. 5. 17. 이전 1 2 3 4 ··· 12 다음