​ Machine learning (ML) 머신러닝을 활용하기에 좋은 분야에 대하여 알아보겠습니다. ​ 분류(classification) 정해진 카테고리 중 어디에 속하는지 알아내는 경우 종류 KNN(k-nearest neighbor) k-nearest neighbor는 데이터를 분류하고 새로운 데이터 포인트의 카테고리를 결정할 때 K 개의 가장 가까운 포인트를 선점하고 그중 가장 많이 선택된 포인트의 카테고리로 이 새로운 데이터를 분류하는 방법이다. 중요 개념 좌표와 같이 데이터의 위치를 특정할 수 있게 변환

​ 🤔 왜 .fit() 한 뒤에 train, test data를 .transform()할까? 결론은 .fit()을 통해 학습데이터(train)의 경향을 파악 및 저장하고 이 경향을 train, test data를 적용해 조정해주기 위함입니다. minmaxScaler를 대표로 .fit()한 결과를 출력해보면 .fit()이 어떤 역할을 하는지 알 수 없습니다. 그냥 MinMaxScaler()라는 객체가 할당된 것만 알 수 있습니다. 공식문서를 살펴보면 fit(X, y=None) Compute the minimum and maximum to be used for later scaling. * StandardScale()의 경우 Compute the mean and std to be used for later scaling.

​ 데이터 스케일링(Data Scaling) 이란? 데이터의 값의 범위를 조정하는 것 ​ ​ ​ 🤔 왜 데이터 스케일링을 하는가? 데이터의 경향, feature의 영향, 상관관계 등 데이터를 분석하는데 활용할 수 있으며, 인공지능 개발 중 학습단계에서 여러 feature의 영향도를 비슷한 수준으로 맞추기 위해 범위를 조정. ​ 아래 그림을 보면서 이해해보겠습니다. 과제 여러 feature(성별, 나이, 몸무게, 자산현황)의 특성을 보고 Label을 예측하는 모델을 만든다고 가정 문제점 값의 범위를 보면 성별 0, 1 나이 0~100, 몸무게 0~120, 자산현황 0~700,000,000, Label은 0~800,000,000의 값을 갖는다고 가정한다면, ​

​ What is ‘train_test_split()’? AI 모델링을 위해 X_train, X_test, y_train, y_test로 나누는 작업은 필수적입니다. 저는 train과 test를 나누는 코드를 직접 짜서 사용했었는데 scikit learn에서 제공되는 함수가 있었습니다. “train_test_split()"이를 알아보겠습니다. ​ ​ 직접 사용되는 모습을 보며 이해해보겠습니다. 1 2 3 4 import numpy as np from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(data, label, test_size=0.3, random_state=29) ​ ​ train_test_split() 함수안에 사용되는 인자에 대하여 하나씩 알아보겠습니다.