250x250
Notice
Recent Posts
Recent Comments
Link
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 |
Tags
- 불순도
- 수치형 자료
- 항공지연
- 결측값 처리
- 웹 크롤링
- 평가용 데이터
- 다중선형 회귀
- MSEE
- 데이터 전 처리
- 지도학습
- 알고리즘 기술
- LinearRegression 모델
- 이상치 처리
- 분류 머신러닝 모델
- 뉴런 신경망
- 회귀 알고리즘 평가
- 퍼셉트론
- 스케이링
- 머신러닝 과정
- 데이터 분리
- 경사하강법
- 더미 기법
- 수치 맵핑 기법
- ICDL 파이썬
- 명목형
- 지도학습 분류
- 지니 불순도
- 딥러닝 역사
- 학습용데이터
- 가중치 업데이트
Archives
- Today
- Total
목록표준편차 (1)
끄적이는 기록일지
[머신러닝] 1.자료형태_(3) 수치형 자료
[머신러닝] 1.자료형태_(2) 범주형 자료 [머신러닝] 1.자료형태_(1) * 머신러닝 : 데이터 자료를 바탕으로 수행하는 분석방식 → 자료의 형태를 파악하는 것은 머신러닝의 필수 과정이라 할 수 있습니다. 1. 자료형태 ① 수치형 자료(Numeric kcy51156.tistory.com 1. 수치형 자료 ① 연속형 자료 - 연속적인 관측값을 가짐 - 원주율(3.14159265···), 시간(19:12:23.21···) ② 이산형 자료 - 셀 수 있는 관측값을 가짐 - 편지 글자 수, 남은 물건 개수 등 2. 수치형 자료 요약 - 범주형 자료와 달리 수치로 구성되어 있기에 통계값을 사용한 요약이 가능함 - 시각적 자료로는 이론적 근거 제시가 쉽지 않은 단점을 보완함 ≫ 많은 양의 자료 → 의미 있는 수..
AI실무
2021. 9. 12. 21:24