반응형 머신러닝28 머신러닝과 데이터마이닝의 차이 머신러닝과 데이터마이닝은 유사한 분야입니다. 머신러닝에 사용되는 기법들이 데이터마이닝에도 들어가 있습니다. 둘을 완벽히 구분할 수는 없지만 둘의 차이에 대해 설명한 책이 있어서 해당 부분을 가져왔습니다. 책 제목은 Machine Learning with R(Brett Lantz)입니다. 이 책 3페이지에 아래와 같은 내용이 나옵니다. Although there is some disagreement over how widely machine learning and data mining overlap, one point of distinction is that machine learning focuses on teaching computers how to use data to solve a problem, .. 2023. 8. 1. 독립표본 t검정 글 하나로 끝내버리기 1. 언제 쓰는 건가요? 독립표본 t검정은 서로 독립인 두 집단의 평균을 비교할 때 사용합니다. 예를 들면 서울 시민 남자의 키와 여자의 키 비교가 있습니다. 2. 독립변수와 종속변수 독립변수와 종속변수 관점으로도 생각해봅시다. 서울 시민의 남녀 키 비교에서 독립변수는 성별입니다. 성별이 달라졌을 때 키가 달라지는지 알고 싶은 것이기 때문입니다. 따라서 독립변수는 '범주형 자료'입니다. 종속변수는 키 이므로 종속변수는 '수치형 자료'입니다. t검정에서의 독립변수와 종속변수는 아래와 같습니다. 독립변수 : 범주형 종속변수 : 수치형 2. 조건 1) 두 집단이 서로 독립이어야 합니다. 2) 모집단이 정규분포를 따라야 합니다. 정규성검정을 통해서 확인합니다. 만약 정규성을 만족하지 않는 경우 비모수 검정인 윌.. 2023. 1. 13. 일표본 t검정 글 하나로 끝내버리기 1. 언제 쓰는 건가요? 일표본 t검정은 모집단의 평균이 알려져 있는 상황에서, 정말 그 사실이 맞는지 확인할 때 사용합니다. 예를 들어 어떤 과자 포장지에 내용물 무게가 30g이라고 나와있다고 합시다. 30g이 정말 맞는지 확인하고 싶은 경우 표본을 뽑아 일표본 t검정을 합니다. 여기서 표본을 뽑는다는건 과자 50봉지 정도를 구입한다는 의미입니다. 2. 조건 1) 데이터는 연속형 자료여야 합니다. t검정은 t분포를 사용하는데, t분포는 모집단이 정규분포를 따른다는 것을 전제로 유도된 분포입니다. 정규분포는 연속형 변수에서 유도된 분포이기 때문에 모집단이 연속형 데이터인 경우에만 t검정을 사용할 있는 것이 원칙적으로는 맞습니다. 2) 모집단이 정규분포를 따라야 합니다. 이유는 1번에서 설명했습니다. 3... 2023. 1. 13. 머신러닝 책 두권 무료로 다운로드 받는 방법 (스텐포드) 스텐포드 교수님 세분이 공동으로 집필하신 머신러닝 책을 다운받는 방법을 알려드리겠습니다. 불법 다운로드 아니구요. 공식적으로 다운받는 방법입니다. 세분 교수님 성함은 아래와 같습니다. Trevor Hastie, Robert Tibshirani, Jerome H. Friedman 책 제목은 아래와 같습니다. 1) An Introduction to Statistical Learning with Applications in R (다운로드 링크) 2) The Elements of Statistical Learning (다운로드 링크) 난이도는 2번 책보다 1번 책이 더 쉽습니다. 1번 책은 국내에 「가볍게 시작하는 통계학습」 이라는 제목으로 번역 출간되어 있습니다. 1번 책은 회귀분석, 로지스틱회귀분석, 부트스.. 2022. 7. 10. [머신러닝 앤드류응] (Week3) 2. Logistic Regression Model (3) 심화 최적화 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week3 의 상세 목차는 아래와 같습니다. Week3 목차 1. Classification and Representation (분류와 설명?) 2. Logistic Regression Model (로지스틱 회귀 모델) 3. Multiclass Classification (다항 분류) 4. Solving the Problem of Overfitting (과적합 문제 해결) 이번 글은 Week3의 1강인 Classification and Representation (분류와 설명?) 요약입니다. 2. Logistic Regression Model (1) Cost Function (2) Simplified Cost Function and Gradi.. 2021. 6. 11. [머신러닝 앤드류응] (Week3) 2. Logistic Regression Model (2) 단순화된 비용함수와 경사하강법 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week3 의 상세 목차는 아래와 같습니다. Week3 목차 1. Classification and Representation (분류와 설명?) 2. Logistic Regression Model (로지스틱 회귀 모델) 3. Multiclass Classification (다항 분류) 4. Solving the Problem of Overfitting (과적합 문제 해결) 이번 글은 Week3의 1강인 Classification and Representation (분류와 설명?) 요약입니다. 2. Logistic Regression Model (1) Cost Function (2) Simplified Cost Function and Gradi.. 2021. 6. 10. [머신러닝 앤드류응] (Week3) 2. Logistic Regression Model (1) Cost Function 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week3 의 상세 목차는 아래와 같습니다. Week3 목차 1. Classification and Representation (분류와 설명?) 2. Logistic Regression Model (로지스틱 회귀 모델) 3. Multiclass Classification (다항 분류) 4. Solving the Problem of Overfitting (과적합 문제 해결) 이번 글은 Week3의 1강인 Classification and Representation (분류와 설명?) 요약입니다. 2. Logistic Regression Model (1) Cost Function (2) Simplified Cost Function and Gradi.. 2021. 6. 8. [머신러닝 앤드류응] (Week3) 1. Classification and Representation (3) 결정 경계 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week3 의 상세 목차는 아래와 같습니다. Week3 목차 1. Classification and Representation (분류와 설명?) 2. Logistic Regression Model (로지스틱 회귀 모델) 3. Multiclass Classification (다항 분류) 4. Solving the Problem of Overfitting (과적합 문제 해결) 이번 글은 Week3의 1강인 Classification and Representation (분류와 설명?) 요약입니다. 1. Classification and Representation (1) Classification (2) Hypothesis Representation.. 2021. 6. 4. [머신러닝 앤드류응] (Week3) 1. Classification and Representation (2) 가설함수 설명 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week3 의 상세 목차는 아래와 같습니다. Week3 목차 1. Classification and Representation (분류와 설명?) 2. Logistic Regression Model (로지스틱 회귀 모델) 3. Multiclass Classification (다항 분류) 4. Solving the Problem of Overfitting (과적합 문제 해결) 이번 글은 Week3의 1강인 Classification and Representation (분류와 설명?) 요약입니다. 1. Classification and Representation (1) Classification (2) Hypothesis Representation.. 2021. 6. 1. [머신러닝 앤드류응] (Week3) 1. Classification and Representation (1) Classification 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week3 의 상세 목차는 아래와 같습니다. Week3 목차 1. Classification and Representation (분류와 설명?) 2. Logistic Regression Model (로지스틱 회귀 모델) 3. Multiclass Classification (다항 분류) 4. Solving the Problem of Overfitting (과적합 문제 해결) 이번 글은 Week3의 1강인 Classification and Representation (분류와 설명?) 요약입니다. 1. Classification and Representation (1) Classification (2) Hypothessis Representatio.. 2021. 5. 31. [머신러닝 앤드류응] (Week2) 5. 매트랩 튜토리얼 (6) Vectorization 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week2 의 상세 목차는 아래와 같습니다. Week2 목차 1. Environment Setup Instructions (환경 설정) 2. Multivariate Linear Regression (다변량 선형 회귀) 3. Computing Parameters Analytically (해석적으로 파라미터 구하기) 4. Submitting Programming Assignments (프로그래밍 숙제) 5. Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 이번 글은 Week2의 5강인 Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 요약입니다. 5. Octave/Matlab Tutorial (옥타브/매트랩 .. 2021. 5. 1. [머신러닝 앤드류응] (Week2) 5. 매트랩 튜토리얼 (5) for,while,if문 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week2 의 상세 목차는 아래와 같습니다. Week2 목차 1. Environment Setup Instructions (환경 설정) 2. Multivariate Linear Regression (다변량 선형 회귀) 3. Computing Parameters Analytically (해석적으로 파라미터 구하기) 4. Submitting Programming Assignments (프로그래밍 숙제) 5. Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 이번 글은 Week2의 5강인 Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 요약입니다. 5. Octave/Matlab Tutorial (옥타브/매트랩 .. 2021. 4. 26. [머신러닝 앤드류응] (Week2) 5. 매트랩 튜토리얼 (4) 그래프 그리기 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week2 의 상세 목차는 아래와 같습니다. Week2 목차 1. Environment Setup Instructions (환경 설정) 2. Multivariate Linear Regression (다변량 선형 회귀) 3. Computing Parameters Analytically (해석적으로 파라미터 구하기) 4. Submitting Programming Assignments (프로그래밍 숙제) 5. Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 이번 글은 Week2의 5강인 Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 요약입니다. Week2 5. Octave/Matlab Tutorial (옥타.. 2021. 4. 17. [머신러닝 앤드류응] (Week2) 5. 매트랩 튜토리얼 (3) 행렬 계산 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week2 의 상세 목차는 아래와 같습니다. Week2 목차 1. Environment Setup Instructions (환경 설정) 2. Multivariate Linear Regression (다변량 선형 회귀) 3. Computing Parameters Analytically (해석적으로 파라미터 구하기) 4. Submitting Programming Assignments (프로그래밍 숙제) 5. Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 이번 글은 Week2의 5강인 Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 요약입니다. Week2 5. Octave/Matlab Tutorial (옥타.. 2021. 4. 11. [머신러닝 앤드류응] (Week2) 5. 매트랩 튜토리얼 (2) 데이터 불러오기 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week2 의 상세 목차는 아래와 같습니다. Week2 목차 1. Environment Setup Instructions (환경 설정) 2. Multivariate Linear Regression (다변량 선형 회귀) 3. Computing Parameters Analytically (해석적으로 파라미터 구하기) 4. Submitting Programming Assignments (프로그래밍 숙제) 5. Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 이번 글은 Week2의 5강인 Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 요약입니다. Week2 5. Octave/Matlab Tutorial (옥타.. 2021. 4. 10. 머신러닝 OCTAVE 파일 불러오는 방법 Step 1) 현재 디렉토리 경로 확인 >> pwd Step 2) 불러올 파일이 있는 위치를 현재 디렉토리로 만들거나, 파일을 현재 디렉토리 위치로 옮김 Step 3) 파일 불러오기 >> load 파일이름.확장자 또는 >> load('파일이름.확장자') 2021. 4. 10. 머신러닝 OCTAVE 현재 디렉토리 확인 및 변경 1) 현재 디레토리 확인 pwd 명령어 >> pwd ans = C:\Users 2) 디렉토리 변경 cd '경로' >> cd 'C:\Users\Public\OCTAVE' >> pwd ans = C:\Users\Public\OCTAVE 2021. 4. 10. 머신러닝 OCTAVE CLI 명령입력줄 >> 로 만들기 디폴트는 octave:1> 입니다. >>로 바꾸는 법은 아래와 같습니다. PS1('>> '); 라고 입력하면 됩니다. 2021. 4. 10. [머신러닝 앤드류응] (Week2) 5. 매트랩 튜토리얼 (1) 기본 조작법 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week2 의 상세 목차는 아래와 같습니다. Week2 목차 1. Environment Setup Instructions (환경 설정) 2. Multivariate Linear Regression (다변량 선형 회귀) 3. Computing Parameters Analytically (해석적으로 파라미터 구하기) 4. Submitting Programming Assignments (프로그래밍 숙제) 5. Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 이번 글은 Week2의 5강인 Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 요약입니다. Week2 5. Octave/Matlab Tutorial (옥타.. 2021. 4. 7. [머신러닝 앤드류응] (Week2) 3. 해석적으로 파라미터 구하기 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week2 의 상세 목차는 아래와 같습니다. Week2 목차 1. Environment Setup Instructions (환경 설정) 2. Multivariate Linear Regression (다변량 선형 회귀) 3. Computing Parameters Analytically (해석적으로 파라미터 구하기) 4. Submitting Programming Assignments (프로그래밍 숙제) 5. Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 이번 글은 Week2의 3강인 Computing Parameters Analytically 요약입니다. Week2 3. Computing Parameters Analytica.. 2021. 4. 5. [머신러닝 앤드류응] (Week2) 2. 다변량 선형 회귀 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week2 의 상세 목차는 아래와 같습니다. Week2 목차 1. Environment Setup Instructions (환경 설정) 2. Multivariate Linear Regression (다변량 선형 회귀) 3. Computing Parameters Analytically (해석적으로 파라미터 구하기) 4. Submitting Programming Assignments (프로그래밍 숙제) 5. Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 이번 글은 Week2의 2강인 Multivariate Linear Regression 요약입니다. Week2 2. Multivariate Linear Regression (다.. 2021. 4. 5. [머신러닝 앤드류응] (Week2) 1. 프로그램 설치 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week2 의 상세 목차는 아래와 같습니다. Week2 목차 1. Environment Setup Instructions (환경 설정) 2. Multivariate Linear Regression (다변량 선형 회귀) 3. Computing Parameters Analytically (해석적으로 파라미터 구하기) 4. Submitting Programming Assignments (프로그래밍 숙제) 5. Octave/Matlab Tutorial (옥타브/매트랩 튜토리얼) 이번 글은 Week2의 1강인 Environment Setup Instructions 요약입니다. Week2 1. Environment Setup Instructions (환.. 2021. 4. 5. [머신러닝 앤드류응] (Week1) 5. 선형대수 복습 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week1 의 상세 목차는 아래와 같습니다. Week1 목차 1. Welcome 2. Introduction 3. Model and Cost Function 4. Parameter Learning 5. Linear Algebra Review 이번 글은 Week1의 5강인 Linear Algebra Review 요약입니다. Week1 5. Linear Algebra Review 1) Matrices and Vectors (행렬과 벡터) 2) Addition and Scalar multiplication (행렬의 덧셈과 스칼라와의 곱셈) 3) Matrix Vector Multiplication (행렬과 벡터의 곱셈) 4) Matrix Matrix.. 2021. 4. 2. [머신러닝 앤드류응] (Week1) 4. 파라미터 학습 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week1 의 상세 목차는 아래와 같습니다. Week1 목차 1. Welcome 2. Introduction 3. Model and Cost Function 4. Parameter Learning 5. Linear Algebra Review 이번 글은 Week1의 4강인 Introduction 요약입니다. Week1 4. Parameter Learning 1) Gradient Decsent 지난시간에 정의한 비용함수는 아래와 같습니다. $J(\theta_{0},\theta_{1})=\frac{1}{2m}\sum_{i=1}^{n}\left ( h(x^{(i)})-y^{(i)} \right )^2$ 이 함수를 최소화하는 해를 찾는데는 경사하강 알.. 2021. 4. 1. [머신러닝 앤드류응] (Week1) 3. 모델과 비용함수 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week1 의 상세 목차는 아래와 같습니다. Week1 목차 1. Welcome 2. Introduction 3. Model and Cost Function 4. Parameter Learning 5. Linear Algebra Review 이번 글은 Week1의 3강인 Introduction 요약입니다. Week1 3. Model and Cost Function 1) Model Representation 선형회귀 우리가 가장 먼저 배울 알고리즘은 선형회귀입니다. 선형회귀는 지도학습에 속합니다. 아래와 같이 집크기와 가격 데이터가 있다고 합시다. 누군가 자신의 집 크기가 1250인데, 가격이 얼마냐고 물어본다면 뭐라고 대답해야 할까요? 우리는.. 2021. 3. 31. [머신러닝 앤드류응] (Week1) 2. 서론 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week1 의 상세 목차는 아래와 같습니다. Week1 목차 1. Welcome 2. Introduction 3. Model and Cost Function 4. Parameter Learning 5. Linear Algebra Review 이번 글은 Week1의 2강인 Introduction 요약입니다. Week1 2. Introduction 1) Welcome (환영) 일단 강좌에 온걸 환영하고, 머신러닝이 엄청 다양한 분야에 쓰이고 있고 앞으로도 그럴거란 이야기를 하셨습니다. 앤드류 교수님은 실리콘밸리리로 부터 일주일에 2~3통씩 메일을 받는데, 다들 머신러닝을 자신들의 문제에 적용하고 싶다고 보내온 메일이라고 합니다. 교수님의 궁극적인.. 2021. 3. 30. [머신러닝 앤드류응] (Week1) 1.소개 앤드류 응 교수님의 코세라 머신러닝 강의를 요약하는 글입니다. Week1 의 상세 목차는 아래와 같습니다. Week1 목차 1. Welcome 2. Introduction 3. Model and Cost Function 4. Parameter Learning 5. Linear Algebra Review 이번 글은 Week1의 1강인 Welcome 요약입니다. Week1 1. Welcome 앤드류 교수님은 우리가 이미 머신러닝을 하루에도 수없이 사용하고 있다고 합니다. 다들 매일 구글링을 하실텐데요. 구글에 무언가를 검색했을 때 나오는 검색 결과의 순서를 머신러닝 알고리즘이 결정합니다. 구글에 '통계 강의'라고 검색하시면 제가 쓴 글이 1페이지에 두개나 나옵니다. 알고리즘이 일을 잘 하고 있네요. (웃음).. 2021. 3. 30. [머신러닝 앤드류응] 프롤로그 몇년 전에 앤드류응 교수님의 코세라 머신러닝 강의를 들었습니다. 완료를 하고 certificate 까지 받긴 했지만 이해했다기 보다는 꾸역꾸역 따라했었습니다. 이후로 통계 공부를 계속 했고 지금은 당시 보다는 지식의 깊이와 넓이가 증가한 것 같습니다. 이번에는 제대로 이해할 수 있겠다 싶어서 앤드류응 교수님 강의를 다시 들어보려고 합니다. 강의 내용과 제 이해를 바탕으로 요약 정리하여 포스팅하겠습니다. 앤드류응 교수님 강의 링크는 아래와 같습니다. 코세라에서 무료로 들으실 수 있습니다. www.coursera.org/learn/machine-learning/home/welcome Coursera | Online Courses & Credentials From Top Educators. Join for F.. 2021. 3. 30. 이전 1 다음 반응형
