본문 바로가기
728x90

인공지능8

[기계학습] 5. KNN 알고리즘과 로지스틱 회귀모델 KNN 알고리즘KNN(K-Nearest Neighbors, K-최근접 이웃)은 가장 간단하면서도 효과적인 비모수(non-parametric) 분류 알고리즘 중 하나입니다. 이번 글에서는 Decision Theory의 이해, Non-parametric 모델의 이해, KNN 알고리즘의 이해에 대해 알아보겠습니다.Decision Theory의 이해Decision Theory : Decision Theory는 주어진 정보와 불확실성을 바탕으로 최적의 결정을 내리는 이론입니다. 이 이론은 다양한 분야에서 의사결정 문제를 해결하는 데 사용됩니다. 기본 개념결정 공간 : 가능한 모든 결정의 집합.손실 함수 : 특정 결정을 내렸을 때 발생하는 손실을 측정하는 함수.위험 함수 : 손실 함수의 기대값으로, 가능한 모든 결.. 2024. 8. 5.
[기계학습] 1. 기계학습의 개요와 주요 유형 기계학습 개요기계학습은 인공지능(AI)의 하위 분야로, 컴퓨터가 명시적인 프로그래밍 없이도 데이터를 통해 학습할 수 있도록 하는 기술입니다. 이번 글에서는 인공지능, 기계학습, 딥러닝의 개요와 함께 기계학습의 주요 유형인 지도 학습, 비지도 학습, 강화 학습, 준지도 학습에 대해 알아보겠습니다.인공지능의 개요인공지능(AI)는 인간의 지능을 컴퓨터를 통해 구현하는 기술입니다. AI는 문제 해결, 학습, 추론, 자연어 처리 등을 포함하는 다양한 기능을 통해 인간의 지능적 행동을 모방합니다. AI의 궁극적인 목표는 인간처럼 사고하고 행동할 수 있는 시스템을 만드는 것입니다.기계학습의 개요기계학습(Machine Learning)은 데이터로부터 패턴을 학습하고, 이를 기반으로 예측이나 결정을 내리는 알고리즘을 개.. 2024. 7. 30.
[확률 및 통계] 7. 회귀분석과 상관분석 확률 및 통계 기초 이해하기: 회귀분석과 상관분석확률과 통계에서 회귀분석과 상관분석은 데이터 간의 관계를 이해하고 예측하는 데 중요한 도구입니다. 이번 글에서는 회귀분석과 상관분석에 대해 알아보겠습니다. 단순 회귀분석과 다중 회귀분석, 상관계수의 계산 및 해석을 중점적으로 설명하겠습니다. 1. 회귀분석 (Regression Analysis)회귀분석은 한 변수(종속 변수)가 다른 변수(독립 변수)에 의해 어떻게 영향을 받는지를 분석하는 통계 기법입니다. 회귀분석은 변수 간의 관계를 모델링하여 예측과 설명에 사용됩니다. 단순 회귀분석 (Simple Linear Regression)단순 회귀분석은 하나의 독립 변수와 하나의 종속 변수 간의 관계를 분석합니다. 단순 회귀모델은 다음과 같은 형태를 가집니다. 여기.. 2024. 6. 29.
[확률 및 통계] 6. 통계적 추론 확률 및 통계 기초 이해하기: 통계적 추론통계적 추론은 모집단의 특성을 표본을 통해 추정하고 검정하는 과정입니다. 이는 데이터 분석에서 매우 중요한 부분으로, 모집단의 특성을 이해하고 예측하는 데 필수적입니다. 이번 글에서는 표본과 모집단, 추정과 가설 검정에 대해 알아보겠습니다.1. 표본과 모집단표본과 모집단의 정의모집단 (Population): 연구나 분석의 대상이 되는 전체 집단을 의미합니다. 예를 들어, 특정 도시의 모든 주민, 특정 제품의 모든 생산품 등이 모집단이 될 수 있습니다.표본 (Sample): 모집단에서 추출된 일부 요소들로 구성된 집단을 의미합니다. 표본은 모집단을 대표할 수 있어야 하며, 이를 통해 모집단의 특성을 추정할 수 있습니다. 표본평균 (Sample Mean)표본평균은 표.. 2024. 6. 29.
[확률 및 통계] 5. 기대값과 분산 확률 및 통계 기초 이해하기: 기대값과 분산 확률과 통계에서 기대값과 분산은 데이터의 중심 경향과 변동성을 이해하는 데 중요한 개념입니다. 이번 글에서는 확률 변수의 기대값 계산과 분산 및 표준 편차의 계산과 해석에 대해 알아보겠습니다.   1. 기대값 (Expected Value)기대값은 확률 변수가 취할 수 있는 값들의 가중 평균으로, 확률 분포의 중심을 나타냅니다. 이는 확률 변수의 장기적인 평균 값을 의미합니다.  이산 확률 변수의 기대값이산 확률 변수 X의 기대값 E(X)는 다음과 같이 계산됩니다. 여기서 xi는 확률 변수 X가 취할 수 있는 값이고, P(X = xi​)는 해당 값이 발생할 확률입니다. 예제: 이산 확률 변수의 기대값공정한 주사위를 한 번 던졌을 때 나올 수 있는 값의 기대값을 .. 2024. 6. 23.
[Python] 14. Python의 "머신러닝" Python 학습: 머신러닝Python은 강력한 머신러닝 라이브러리를 제공하여 데이터 분석과 모델링을 쉽게 수행할 수 있게 합니다. 이번 글에서는 Scikit-Learn을 사용한 기본 머신러닝 알고리즘과 모델 훈련 및 평가, TensorFlow/Keras를 사용한 딥러닝 기초에 대해 알아보겠습니다.1. Scikit-Learn: 기본 머신러닝 알고리즘, 모델 훈련과 평가Scikit-Learn은 Python에서 널리 사용되는 머신러닝 라이브러리로, 다양한 알고리즘과 도구를 제공합니다. Scikit-Learn을 사용하면 데이터 준비, 모델 선택, 훈련, 평가를 쉽게 할 수 있습니다. Scikit-Learn 설치 : pip install scikit-learn 기본 머신러닝 알고리즘 예제 : 아래 예제에서는 S.. 2024. 6. 18.
728x90