2023 MP

전북대학교 2023년 2학기 통계학부 최규빈 교수님의 “기계학습활용(Machine Learning in Practice)” 강의를 듣고 그 내용을 나름대로 정리한 내용입니다.

의사결정나무의 옵션 이해

tree

의사결정나무의 여러 옵션들에 대해서 알아보자!

`RandomForest` | 의사결정나무

RandomForest

랜덤포레스트를 이용해 적합을 해보자!

`Boosting` | 의사결정나무

Boosting

Boosting, 의사결정나무의 초전설 최종진화형(테이블데이터 분석의 정수)

`Bagging` | 의사결정나무

Bagging

ensemble의 Bagging을 이용해보자!

`plot_tree`의 시각화

tree

의사결정나무의 plot_tree를 시각화해보자

플랏 | 애니메이션

matplotlib

matplotlib의 animation 모듈을 통해 플랏 애니메이션을 만들어보자!

의사결정나무 | 작동원리

tree

의사결정나무가 작동하는 원리에 대해서 알아보자!

의사결정나무의 활용 | 다중공선성, 오버피팅, 이상치

linear_model

tree

의사결정나무를 이용하여 모형을 간단하게 적합해보자!

선형모형의 적

linear_model

preprocessing

impute

tree

우리의 주적은 북한인데, 선형모형의 적은?

오버피팅, 다중공선성

linear_model

오버피팅은 뭐고, 다중공선성은 왜 발생할까? 그리고 해결은 어떻게 할까?

다중공선성의 해소

linear_model

Ridge와 Lasso를 통해 다중공선성을 극복해보자.

전처리 | 연속형 자료의 범위 조정

preprocessing

sklearn.preprocessing을 이용하여 자료의 범위를 전처리해보자.

sklearn.linear_model의 작동원리

linear_model

LogisticRegression의 작동원리와 sklearn.linear_model에 대해서 자세히 알아보자.

Kaggle | 결측치의 처리

python

titanic

impute

Titanic 데이터에는 결측치가 상당히 많았는데, 그것을 처리해서 분석해보자.

선형회귀분석의 시작 | `LinearRegression()`

linear_model

sklearn의 linear_mode.LinearRegression()을 사용하여 선형회귀분석을 해보자!

범주형 반응변수의 예측 | `LogisticRegression()`

linear_model

예측해야 할 유형이 범주형일 때 사용할 수 있는 분석 기법 중 하나인 로지스틱 회귀분석을 해보자!

결측치의 처리

impute

결측치를 시각화해보고, 계산해서 대치(impute)해보기도 하자!

Kaggle | Autogluon

python

kaggle

titanic

autogluon

자동 예측 프로그램인 Autogluon을 활용하여 titanic data를 적합해보자!

Kaggle | Alexis Cook의 코드

python

kaggle

titanic

Discussion 탭에서 가장 상위에 있는 안내 자료를 살펴보자.

Kaggle | 1st practice

python

kaggle

titanic

Kaggle의 competition에 대해 차근차근히 알아보고 첫 제출까지 해보도록 하자.