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
- 학습용데이터
- 데이터 분리
- MSEE
- 수치형 자료
- ICDL 파이썬
- 가중치 업데이트
- 회귀 알고리즘 평가
- 알고리즘 기술
- 머신러닝 과정
- 딥러닝 역사
- 다중선형 회귀
- 경사하강법
- 퍼셉트론
- LinearRegression 모델
- 불순도
- 지도학습
- 지도학습 분류
- 웹 크롤링
- 데이터 전 처리
- 평가용 데이터
- 명목형
- 분류 머신러닝 모델
- 이상치 처리
- 지니 불순도
- 스케이링
- 더미 기법
- 수치 맵핑 기법
- 결측값 처리
- 항공지연
- 뉴런 신경망
Archives
- Today
- Total
목록Mae (1)
끄적이는 기록일지
[머신러닝] 03.지도학습-회귀_(3) 회귀 성능 지표
[머신러닝] 03.지도학습-회귀_(3) 다중 선형 회귀 [머신러닝] 03.지도학습-회귀_(2) 단순 선형 회귀 [머신러닝] 03.지도학습-회귀_(1) 회귀 아이스크림 가게를 운영한다고 가정하면 지금까지 판 데이터를 가지고 우리는 예상되는 아이스크림 판매량 kcy51156.tistory.com 1. 회귀 알고리즘 평가 1) 어떤 모델이 좋은 모델인지 평가할 때는 목표에 얼마나 잘 달성했는지 정도를 평가한다. 2) 실제 값과 모델이 예측하는 값의 차이에 기반한 평가 방법 사용하는데 ex) RSS, MSE, MAE, MAPE, R² 2. RSS – 단순 오차 1) 실제 값과 예측 값의 단순 오차 제곱 합 2) 값이 작을수록 모델의 성능이 높음 3) 전체 데이터에 대한 실제 값과 예측하는 값의 오차 제곱의 총합..
AI실무
2021. 9. 25. 19:20