티스토리 뷰
* 머신러닝(Machine Leaning) - 컴퓨터가 데이터를 통해 유의미한 패턴과 통계적인 함수를 발견하여 행동의 지침이 되는 지식을 얻어내는 행위 (예측, 분류, 회귀, 추천 등)
* 회귀 - 입력데이터를 바탕으로 원하는 타겟변수의 미래결과 예측
* 분류 - 입력데이터를 바탕으로 개별 데이터의 부류(Class)를 예측하거나 계급 결정
* 추천 - 고객이 선호하는 상품 혹은 그 대안 예측
* 대체 - 누락된 입력데이터의 값을 보강(인구조사 자료 보충, 손상된 고객 데이터 보충)
* 머신러닝 work flow
* EDA(Exploratory Data Analysis 탐색적 데이터 분석) - 수집한 데이터가 들어왔을때, 이를 다양한 각도에서 관찰하고 이해하는 과정. 데이터를 분석하기 전에 그래프나 통계적인 방법으로 자료를 직관적으로 바라보는 과정. 이를 통해 데이터가 표현하는 현상을 더 잘 이해하고, 데이터에 대한 잠재적인 문제 발견.
머신러닝 모델을 만들기 위한 전단계로 특성을 추출하거나 데이터로서 영감을 얻거나 전반적인 패턴을 알기 위하여 통계적인 분석을 시도하는 일. 향후 사용될 알고리즘에 대한 결정
https://eda-ai-lab.tistory.com/13
EDA (Exploratory Data Analysis) 탐색적 데이터 분석
1.EDA란? 1) 정의 수집한 데이터가 들어왔을 때, 이를 다양한 각도에서 관찰하고 이해하는 과정입니다. 한마디로 데이터를 분석하기 전에 그래프나 통계적인 방법으로 자료를 직관적으로 바라보
eda-ai-lab.tistory.com
* 머신러닝 방법론
1. 지도학습 - 훈련데이터 안에 예측해야 할 타겟이 존재하는 방법론
2. 비지도학습 - 훈련데이터 안에 예측해야 할 타겟이 없음, 함수모형을 만들지 않고 데이터의 패턴을 추출, 데이터의 숨겨진 구조를 파악
3. 강화학습 - 데이터가 스스로 정답을 찾기위해 환경과 상호작용함, 타겟 값을 만들면서 훈현, 벌점과 리워드를 통해 적용
Idea! - 특정 모델을 만든 뒤, 현 상황에 대한 데이터를 보고 이 상황에 적합한 상품이 어떤 것인지 추천 및 자동매매
* 데이터 전처리 작업
- 데이터 Munging
- 랭글링 Wrangling
- Missing Data 처리
- Outlier 처리 등