국비교육기관/수업70 59일차 XGBoost / JavaScript - 배열실습, 함수 21.06.03 Machine Learning @XGBoost 결정 트리 기반의 앙상블 모델에서 가장 각광받고 있는 알고리즘의 하나 분류에 있어서 일반적으로 다른 머신 러닝 모델보다 뛰어난 성능을 나타냄 GBM을 기반으로 하지만, GBM에서 제공하지 않는 Early Stopping 기능과 과대적합 방지를 위한 규제가 포함됨으로써 GBM의 단점인 느린 학습 시간과 과대적합의 문제를 해결하였음 대규모 머신 러닝 문제에 그래디언트 부스팅을 적용하려면 XGBoost를 사용 분류와 회귀가 모두 가능 %XGBoost - 매개변수 ================================================ JavaScript @JS 배열 선언 및 생성 실습 "push"는 배열에 값을 대입 하는 방법 중 하.. 2021. 6. 3. 58일차 JavaScript - 숫자 연산, 조건문, 배열, 난수 21.06.02 JavaScript @JS 조건문 실습 - 숫자연산 그림과 같이 "prompt"창을 통해 각 과목의 점수를 입력 받고 , Console창에 학점 및 평균을 출력 한다. 풀다보면 알겠지만 각 변수 및 평균 값을 형변환하지 않으면 원하는 값이 이상하게 나온다. 아래처럼 57일차에도 언급했지만 JS는 문자가 숫자라면 자기 알아서 그냥 연산해버린다. 즉, 위의 경우는 405060을 3으로 나눈 결과를 출력하였다. 때문에, 내가 원하는 값을 얻기 위해서는 각 변수를 숫자로 형변환 해줘야 한다. 아래는 해당 실습에 대한 코드 및 결과 이다. @JS 조건문 실습 - 배경 색 변경 57일차에서 배경화면을 바꾸는 법을 배웠는데, 해당 실습은 조건문을 적용한 실습이다. 아래는 진행한 실습의 코드이다. "d.. 2021. 6. 2. 57일차 JavaScript - 실습 , 변수, 연산자, 형변환 21.06.01 Java Script @JavaScript => 웹 페이지를 동적으로, 프로그래밍적으로 제어하기 위해서 고안된 객체 기반의 스크립트 언어. % JS의 특징 - 모든 웹 브라우저에서 동작한다. - 웹 브라우저에서 실행 결과를 즉시 확인 - 다양한 용도의 프로그램 개발 - 다양한 자바스크립트 공개 API - 다양한 라이브러리와 프레임워크 내부에선 기존의 자바에서 사용하던 것처럼, 재선언은 불가 하지만 재할당은 가능 한 "let"을 이용하였다. JS에서는 " / "가 자바와 다르게 나머지까지 연산 해버린다. 때문에 나머지 연산자 "%"를 사용 숫자인 문자열을 숫자형 데이터로 연산하면 강제로 형변환을 하여 연산이 된다. 출력한 값을 Console에 출력하였는데, Chrome 한정으로 숫자는 파란.. 2021. 6. 1. 56일차 머신러닝 - Adaptive Bootstrap / JSP - 시험 보호되어 있는 글 입니다. 2021. 5. 31. 55일차 머신러닝 - 캐글 참가 / JSP - Interface 실습 21.05.28 Machine Learning @Kaggle( 캐글 ) 팀등록 및 참여 => 내가 수업듣고있는 "스마트인재개발원" 자체적으로 캐글 대회를 진행하였다. 총 3개반 참여. % 캐글 신청 및 데이터 다운 => 빨간색 동그라미 친 부분이 현재는 참여 신청을 해버려서 저래 뜨지만 원래는 "Join Competition"라고있다. => 해당 문구를 클릭하면 참여할 수 있으며, 사진과 같이 "Data"탭을 통해 파일들을 다운, 설명을 볼 수 있다. => 아래로 스크롤을 내리면 다운로드 받을 수 있으며, 뭐... 별동의 동의를 해야하는데 그냥 누르고 다시 다운버튼 % 팀 등록 및 초대 => "Team"태그에서 내가 팀을 만들 수 있으며( 좌측 ), 팀 멤버를 초대할 수 있다.( 우측 ) => 단, 한명.. 2021. 5. 28. 54일차 머신러닝 랜덤 포레스트 실습 / JSP 게시판페이지 21.05.27 Machine Learning @Ensemble % Bagging 53일차에 했던 내용 이어서 진행한다. Bagging 방법 중 하나 의 예로 랜덤 포레스트라는 방법이 있다. %Random Forest - 랜덤 포레스트 => 결국 요약하자면 랜덤 포레스트( Random Forest )는 결정 트리( Decision Tree )를 기반으로, 여러개의 결정트리 "Classifier"를 생성 한다. 그리고 각 트리별 다른 Sample 데이터를 학습하여 최종적 Voting을 통해 모델을 생성한다. % 주요 매개변수 ( Hyperparameter ) "n_estimators" 옵션은 Default 값이 100개로, 위와 같이 결정 트리 분류 모델의 수를 결정한다. "random_state"는 내가.. 2021. 5. 27. 이전 1 2 3 4 5 6 7 ··· 12 다음
