기본 콘텐츠로 건너뛰기

Python Deep Learning, Unsupervised Learning(비지도 학습)

Unsupervised Learning(비지도 학습)
- 군집(Clustering)
- 학습 데이터에 정답(Label)이 없음
- 데이터의 분포 형태에 따라서 분류
- 위치가 비슷한 데이터는 동일 클러스터에 포함
- 연속형(수치) 데이터만 있는 경우, K-Means 알고리즘(K:분류의 갯수,Mean:평균값)
- 범주형(Categorical:수치가 아닌것) 데이터만 있는 경우, K-Modes 알고리즘(K:분류의 갯수,Mode:최빈값,빈도가 제일높은 값)
- 연속형, 범주형 혼합된 경우, DBSCAN(Gower 거리:유사도가 높으면 거리가 짧고, 유사도가 낮으면 거리가 길다)

회귀(Regression) / 분류(Classification)
- 결과가 연속형 - 회귀
- 결과가 범주형 - 분류

라벨:

이 블로그의 인기 게시물

Python Sklearn make_regression

from sklearn.datasets import make_regression import matplotlib.pyplot as plt X, y = make_regression(n_samples=250, n_features=1, noise=50, random_state=2) plt.scatter(X,y, s=2) plt.show() from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split # 한글 깨짐 없이 나오게 설정 from matplotlib import rcParams # 인코딩 폰트 설정 rcParams['font.family'] = 'New Gulim' rcParams['font.size'] = 10 x_train, x_test, y_train, y_test = train_test_split(X,y, test_size=.20, random_state=0) x_train.shape, x_test.shape, y_train.shape, y_test.shape # 모델 생성 model = LinearRegression() # 학습하기 model.fit(x_train, y_train) # 가중치, 편향치 구하기 model.coef_, model.intercept_ # (array([90.11061494]), 2.4224269924448585) # 결정 계수 model.score(x_train, y_train) # 0.789267454050733 # 추정 pred = model.predict(x_test) # 산점도 plt.scatter(x_test,y_test) plt.plot(x_test, pred, 'r-') plt.show() # 추정 model.predict([[3.0]]) # 학습할 때 주는 데이터의 형식을 따른다 # x의 최소값, 최대값을 계수와 절편을 사용하여 ...
더보기