스태킹(Stacking) 앙상블
머신러닝 앙상블 학습의 마지막 유형 스태킹(Stacking)에 대해 정리한 글입니다.
Posts by Tag
- Data Analysis 40
- Machine Learning 22
- Scikit learn 17
- Classification 14
- R 10
- Data Collection 9
- Python 8
- Ensemble 7
- Preprocessing 5
- Visualization 4
- Basic 3
- Pandas 3
- GridSearchCV 3
- Metrics 3
- Evaluation 3
- Boosting 3
- Modeling 3
- Function 2
- OOP 2
- Inheritance 2
- DBMS 2
- RDBMS 2
- Data type 2
- Numpy 2
- Stack 2
- Encoding 2
- Shortcut 2
- Model Selection 2
- Precision 2
- Recall 2
- DecisionTree 2
- Random Forest 2
- Git 1
- PEP 1
- Positional 1
- Keyword 1
- AndOr 1
- Global 1
- Nonlocal 1
- Else 1
- High-order Function 1
- Comprehension 1
- Generator 1
- Lambda 1
- Callables 1
- Decorator 1
- Class 1
- Instance 1
- Vars 1
- Super 1
- Overriding 1
- Descriptor 1
- Delegation 1
- Composition 1
- Metaclasses 1
- Open 1
- With 1
- Formatting 1
- Escape Sequences 1
- SQL 1
- DDL 1
- DML 1
- Join 1
- SQLite 1
- HTML 1
- CSS 1
- XML 1
- JSON 1
- HTTP 1
- Legal Issue 1
- URL Handling Modules 1
- Urllib 1
- RobotParser 1
- Error 1
- Requests 1
- DOM 1
- BeautifulSoup 1
- Parser 1
- Lxml 1
- Prettify 1
- CSS Selector 1
- Regular Expression 1
- Crawling 1
- Scraping 1
- Cookie 1
- Selenium 1
- Text 1
- NLTK 1
- KoNLPy 1
- Empirical Law 1
- Ndarray 1
- Stride 1
- Broadcasting 1
- Typecasting 1
- Shape 1
- Split 1
- Concatenate 1
- DataFrame 1
- EDA 1
- Map 1
- Apply 1
- Itertuples 1
- Aggregation 1
- Melt 1
- Missingno 1
- Hold Out 1
- DummyClassifier 1
- Learning Curve 1
- Hyperparameter 1
- Pipeline 1
- ColumnTransformer 1
- Seq2Seq 1
- Attention 1
- Transformer 1
- BERT 1
- GAN 1
- PyTorch 1
- Recommendation 1
- Jupyter Notebook 1
- Index 1
- Cross Validation 1
- Scaling 1
- Confusion Matrix 1
- Accuracy 1
- Threshold 1
- Binarizer 1
- F1 Score 1
- ROC AUC 1
- Graphviz 1
- Voting 1
- Bagging 1
- GBM 1
- Counter 1
- XGBoost 1
- LightGBM 1
- Statistics 1
- R Studio 1
- Imbalanced Data 1
- SMOTE 1
- Stacking 1
Data Analysis
불균형 데이터로 머신러닝 수행하기 - 언더 샘플링(Undersampling), 오버 샘플링(Oversampling)
머신러닝에서 불균형한 데이터로 학습을 하는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 모델링 (3) : 랜덤포레스트(Random Forest)
R에서 Random Forest를 적용하는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 모델링 (2) : 로지스틱 회귀분석
R에서 로지스틱 회귀분석을 수행하는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 모델링 (1) : 회귀분석
R을 활용해 단순 회귀분석, 다중 회귀분석을 시행하는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 시각화 (4) : Interactive 그래프
R을 활용한 데이터 분석의 시각화 과정 중 plotly 패키지를 이용해 interactive한 그래프를 그리는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 시각화 (3) : ggplot2
R을 활용한 데이터 분석의 시각화 과정 중 ggplot2 활용법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 시각화 (2) : 여러 개의 그래프
R을 활용한 데이터 분석의 시각화 과정 중 여러 개의 그래프를 한 화면에 나타내는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 시각화 (1) : 기본 plot 함수
R을 활용한 데이터 분석 과정 중 시각화 과정에 대해 정리한 글입니다. 가장 먼저 기본 plot 함수에 대해 다룹니다.
R로 데이터 분석하기 - 파생변수 생성
R을 활용한 데이터 분석 과정 중 파생변수를 생성하는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 데이터 로드
R을 활용한 데이터 분석 과정 중 데이터를 불러오고 데이터 형태를 확인하는 방법에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (3) : LightGBM
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 LightGBM에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (2) : XGBoost
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 XGBoost(eXtra Gradient Boost)에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (1) : GBM
앙상블 학습 방식 중 하나인 부스팅(Boosting) 알고리즘의 개념과 GBM에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 배깅(Bagging) : 랜덤포레스트(Random Forest)
앙상블 학습 방식 중 하나인 배깅(Bagging)의 대표적인 알고리즘 랜덤포레스트(Random Forest)에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 보팅(Voting)
앙상블 학습 방식 중 하나인 보팅(Voting)의 유형과 사이킷런에서 보팅을 구현하는 방법에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning)의 유형
앙상블 학습 방식의 유형과 각각의 특징에 대해 정리한 글입니다.
머신러닝 결정트리(Decision Tree) 알고리즘
ML 알고리즘 중 하나인 결정트리 알고리즘의 구조, 예측 방식, 과적합, 피처 중요도 확인 방법에 대해 정리한 글입니다.
결정트리 모델 시각화하기 (Graphviz)
결정트리 알고리즘을 쉽게 시각화할 수 있게 해주는 Graphviz를 설치하고, 설정하고, 사용하는 방법에 대해 정리한 글입니다.
분류 알고리즘 (classification algorithms)
대표적인 분류 알고리즘에 대해 정리한 글입니다.
분류 평가방법 (3) - F1 스코어, ROC AUC
정밀도와 재현율을 결합한 지표인 F1 스코어에 대해, 그리고 ROC 곡선과 이를 기반으로 한 AUC 스코어에 대해 정리한 글입니다.
분류 평가방법 (2) - 정밀도(Precision), 재현율(Recall)의 트레이드오프
정밀도와 재현율의 트레이드오프 관계와 분류 결정 임계값(Threshold)을 설정하는 방법에 대해 정리한 글입니다.
분류 평가방법 (1) - 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)
머신러닝 분류 문제에서 사용되는 평가방법인 오차행렬(Confusion Matrix)과 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)에 대해 정리한 글입니다.
사이킷런에서 데이터 전처리하기 - 피처 스케일링
사이킷런에서 StandardScaler, MinMaxScaler를 사용해 표준화와 정규화를 수행하는 과정을 정리한 글입니다.
사이킷런에서 데이터 전처리하기 - 데이터 인코딩
사이킷런에서 LabelEncoder, OneHotEncoder를 사용해 인코딩하는 과정을 정리한 글입니다.
GridSearchCV
사이킷런 Model Selection 모듈에서 GridSearchCV를 사용하는 방법에 대해 다룬 글입니다.
교차검증 수행하기 - K 폴드, Stratified K 폴드, cross_val_score
사이킷런 Model Selection 모듈에서 K 폴드, Stratified K 폴드, cross_val_score()로 교차검증을 수행하는 방법에 대해 다룬 글입니다.
사이킷런 주요 모듈
사이킷런에서 사용하는 주요 모듈에 대하여 정리한 글입니다.
판다스 Index 객체
판다스 DataFrame과 Series의 Index 객체에 대하여 정리한 글입니다.
판다스 DataFrame과 list, dictionary, ndarray 상호 변환
판다스 DataFrame과 list, dictionary, ndarray를 상호 변환하는 방법에 대해 정리한 글입니다.
추천 시스템 - Contents Based Filtering, Collaborative Filtering, Hybrid Filtering
Contents Based Filtering, Collaborative Filtering 등 기본적인 추천 시스템 구현 방법론의 특징 및 장단점에 대해 정리한 글입니다.
Machine Learning과 전통적 통계분석 방법의 차이
빅데이터 분석 (통계 / 기계학습) : 머신러닝과 전통적 통계분석 방법의 차이에 대해 정리한 글입니다.
PyTorch
빅데이터 분석 (딥러닝 / 강화학습) :PyTorch
GAN
빅데이터 분석 (딥러닝 / 강화학습) :GAN
Attention, Transformer
빅데이터 분석 (딥러닝 / 강화학습) : Attention, Transformer
Pipeline 구축
빅데이터 분석 (통계 / 기계학습) : Pipeline 구축
Scikit-learn
빅데이터 분석 (통계 / 기계학습) : Scikit-learn
Pandas
빅데이터 분석 (통계 / 기계학습) : Pandas
Numpy
빅데이터 분석 (통계 / 기계학습) : Numpy
텍스트전처리 - NLTK, KoNLPy
빅데이터 수집 / 전처리 : 텍스트전처리 - NLTK, KoNLPy
Machine Learning
스태킹(Stacking) 앙상블
머신러닝 앙상블 학습의 마지막 유형 스태킹(Stacking)에 대해 정리한 글입니다.
불균형 데이터로 머신러닝 수행하기 - 언더 샘플링(Undersampling), 오버 샘플링(Oversampling)
머신러닝에서 불균형한 데이터로 학습을 하는 방법에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (3) : LightGBM
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 LightGBM에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (2) : XGBoost
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 XGBoost(eXtra Gradient Boost)에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (1) : GBM
앙상블 학습 방식 중 하나인 부스팅(Boosting) 알고리즘의 개념과 GBM에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 배깅(Bagging) : 랜덤포레스트(Random Forest)
앙상블 학습 방식 중 하나인 배깅(Bagging)의 대표적인 알고리즘 랜덤포레스트(Random Forest)에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 보팅(Voting)
앙상블 학습 방식 중 하나인 보팅(Voting)의 유형과 사이킷런에서 보팅을 구현하는 방법에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning)의 유형
앙상블 학습 방식의 유형과 각각의 특징에 대해 정리한 글입니다.
머신러닝 결정트리(Decision Tree) 알고리즘
ML 알고리즘 중 하나인 결정트리 알고리즘의 구조, 예측 방식, 과적합, 피처 중요도 확인 방법에 대해 정리한 글입니다.
결정트리 모델 시각화하기 (Graphviz)
결정트리 알고리즘을 쉽게 시각화할 수 있게 해주는 Graphviz를 설치하고, 설정하고, 사용하는 방법에 대해 정리한 글입니다.
분류 알고리즘 (classification algorithms)
대표적인 분류 알고리즘에 대해 정리한 글입니다.
분류 평가방법 (3) - F1 스코어, ROC AUC
정밀도와 재현율을 결합한 지표인 F1 스코어에 대해, 그리고 ROC 곡선과 이를 기반으로 한 AUC 스코어에 대해 정리한 글입니다.
분류 평가방법 (2) - 정밀도(Precision), 재현율(Recall)의 트레이드오프
정밀도와 재현율의 트레이드오프 관계와 분류 결정 임계값(Threshold)을 설정하는 방법에 대해 정리한 글입니다.
분류 평가방법 (1) - 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)
머신러닝 분류 문제에서 사용되는 평가방법인 오차행렬(Confusion Matrix)과 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)에 대해 정리한 글입니다.
사이킷런에서 데이터 전처리하기 - 피처 스케일링
사이킷런에서 StandardScaler, MinMaxScaler를 사용해 표준화와 정규화를 수행하는 과정을 정리한 글입니다.
사이킷런에서 데이터 전처리하기 - 데이터 인코딩
사이킷런에서 LabelEncoder, OneHotEncoder를 사용해 인코딩하는 과정을 정리한 글입니다.
GridSearchCV
사이킷런 Model Selection 모듈에서 GridSearchCV를 사용하는 방법에 대해 다룬 글입니다.
교차검증 수행하기 - K 폴드, Stratified K 폴드, cross_val_score
사이킷런 Model Selection 모듈에서 K 폴드, Stratified K 폴드, cross_val_score()로 교차검증을 수행하는 방법에 대해 다룬 글입니다.
사이킷런 주요 모듈
사이킷런에서 사용하는 주요 모듈에 대하여 정리한 글입니다.
Machine Learning과 전통적 통계분석 방법의 차이
빅데이터 분석 (통계 / 기계학습) : 머신러닝과 전통적 통계분석 방법의 차이에 대해 정리한 글입니다.
Pipeline 구축
빅데이터 분석 (통계 / 기계학습) : Pipeline 구축
Scikit-learn
빅데이터 분석 (통계 / 기계학습) : Scikit-learn
Scikit learn
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (3) : LightGBM
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 LightGBM에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (2) : XGBoost
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 XGBoost(eXtra Gradient Boost)에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (1) : GBM
앙상블 학습 방식 중 하나인 부스팅(Boosting) 알고리즘의 개념과 GBM에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 배깅(Bagging) : 랜덤포레스트(Random Forest)
앙상블 학습 방식 중 하나인 배깅(Bagging)의 대표적인 알고리즘 랜덤포레스트(Random Forest)에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 보팅(Voting)
앙상블 학습 방식 중 하나인 보팅(Voting)의 유형과 사이킷런에서 보팅을 구현하는 방법에 대해 정리한 글입니다.
머신러닝 결정트리(Decision Tree) 알고리즘
ML 알고리즘 중 하나인 결정트리 알고리즘의 구조, 예측 방식, 과적합, 피처 중요도 확인 방법에 대해 정리한 글입니다.
결정트리 모델 시각화하기 (Graphviz)
결정트리 알고리즘을 쉽게 시각화할 수 있게 해주는 Graphviz를 설치하고, 설정하고, 사용하는 방법에 대해 정리한 글입니다.
분류 평가방법 (3) - F1 스코어, ROC AUC
정밀도와 재현율을 결합한 지표인 F1 스코어에 대해, 그리고 ROC 곡선과 이를 기반으로 한 AUC 스코어에 대해 정리한 글입니다.
분류 평가방법 (2) - 정밀도(Precision), 재현율(Recall)의 트레이드오프
정밀도와 재현율의 트레이드오프 관계와 분류 결정 임계값(Threshold)을 설정하는 방법에 대해 정리한 글입니다.
분류 평가방법 (1) - 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)
머신러닝 분류 문제에서 사용되는 평가방법인 오차행렬(Confusion Matrix)과 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)에 대해 정리한 글입니다.
사이킷런에서 데이터 전처리하기 - 피처 스케일링
사이킷런에서 StandardScaler, MinMaxScaler를 사용해 표준화와 정규화를 수행하는 과정을 정리한 글입니다.
사이킷런에서 데이터 전처리하기 - 데이터 인코딩
사이킷런에서 LabelEncoder, OneHotEncoder를 사용해 인코딩하는 과정을 정리한 글입니다.
GridSearchCV
사이킷런 Model Selection 모듈에서 GridSearchCV를 사용하는 방법에 대해 다룬 글입니다.
교차검증 수행하기 - K 폴드, Stratified K 폴드, cross_val_score
사이킷런 Model Selection 모듈에서 K 폴드, Stratified K 폴드, cross_val_score()로 교차검증을 수행하는 방법에 대해 다룬 글입니다.
사이킷런 주요 모듈
사이킷런에서 사용하는 주요 모듈에 대하여 정리한 글입니다.
Pipeline 구축
빅데이터 분석 (통계 / 기계학습) : Pipeline 구축
Scikit-learn
빅데이터 분석 (통계 / 기계학습) : Scikit-learn
Classification
스태킹(Stacking) 앙상블
머신러닝 앙상블 학습의 마지막 유형 스태킹(Stacking)에 대해 정리한 글입니다.
불균형 데이터로 머신러닝 수행하기 - 언더 샘플링(Undersampling), 오버 샘플링(Oversampling)
머신러닝에서 불균형한 데이터로 학습을 하는 방법에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (3) : LightGBM
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 LightGBM에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (2) : XGBoost
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 XGBoost(eXtra Gradient Boost)에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (1) : GBM
앙상블 학습 방식 중 하나인 부스팅(Boosting) 알고리즘의 개념과 GBM에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 배깅(Bagging) : 랜덤포레스트(Random Forest)
앙상블 학습 방식 중 하나인 배깅(Bagging)의 대표적인 알고리즘 랜덤포레스트(Random Forest)에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 보팅(Voting)
앙상블 학습 방식 중 하나인 보팅(Voting)의 유형과 사이킷런에서 보팅을 구현하는 방법에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning)의 유형
앙상블 학습 방식의 유형과 각각의 특징에 대해 정리한 글입니다.
머신러닝 결정트리(Decision Tree) 알고리즘
ML 알고리즘 중 하나인 결정트리 알고리즘의 구조, 예측 방식, 과적합, 피처 중요도 확인 방법에 대해 정리한 글입니다.
결정트리 모델 시각화하기 (Graphviz)
결정트리 알고리즘을 쉽게 시각화할 수 있게 해주는 Graphviz를 설치하고, 설정하고, 사용하는 방법에 대해 정리한 글입니다.
분류 알고리즘 (classification algorithms)
대표적인 분류 알고리즘에 대해 정리한 글입니다.
분류 평가방법 (3) - F1 스코어, ROC AUC
정밀도와 재현율을 결합한 지표인 F1 스코어에 대해, 그리고 ROC 곡선과 이를 기반으로 한 AUC 스코어에 대해 정리한 글입니다.
분류 평가방법 (2) - 정밀도(Precision), 재현율(Recall)의 트레이드오프
정밀도와 재현율의 트레이드오프 관계와 분류 결정 임계값(Threshold)을 설정하는 방법에 대해 정리한 글입니다.
분류 평가방법 (1) - 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)
머신러닝 분류 문제에서 사용되는 평가방법인 오차행렬(Confusion Matrix)과 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)에 대해 정리한 글입니다.
R
R로 데이터 분석하기 - 모델링 (3) : 랜덤포레스트(Random Forest)
R에서 Random Forest를 적용하는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 모델링 (2) : 로지스틱 회귀분석
R에서 로지스틱 회귀분석을 수행하는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 모델링 (1) : 회귀분석
R을 활용해 단순 회귀분석, 다중 회귀분석을 시행하는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 시각화 (4) : Interactive 그래프
R을 활용한 데이터 분석의 시각화 과정 중 plotly 패키지를 이용해 interactive한 그래프를 그리는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 시각화 (3) : ggplot2
R을 활용한 데이터 분석의 시각화 과정 중 ggplot2 활용법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 시각화 (2) : 여러 개의 그래프
R을 활용한 데이터 분석의 시각화 과정 중 여러 개의 그래프를 한 화면에 나타내는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 시각화 (1) : 기본 plot 함수
R을 활용한 데이터 분석 과정 중 시각화 과정에 대해 정리한 글입니다. 가장 먼저 기본 plot 함수에 대해 다룹니다.
R로 데이터 분석하기 - 파생변수 생성
R을 활용한 데이터 분석 과정 중 파생변수를 생성하는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 데이터 로드
R을 활용한 데이터 분석 과정 중 데이터를 불러오고 데이터 형태를 확인하는 방법에 대해 정리한 글입니다.
R Studio 단축키
여러 R Studio 단축키에 대해 정리한 글입니다.
Data Collection
Selenium
빅데이터 수집 / 전처리 : Selenium
Crawling, Scraping
빅데이터 수집 / 전처리 : Crawling, Scraping
Regular Expression
빅데이터 수집 / 전처리 : Regular Expression
DOM
빅데이터 수집 / 전처리 : DOM
비정형데이터 - HTTP
빅데이터 수집 / 전처리 : 비정형데이터 - HTTP
반정형데이터 (2) - XML, JSON
빅데이터 수집 / 전처리 : 반정형데이터 (2) - XML, JSON
반정형데이터 (1) - HTML, CSS
빅데이터 수집 / 전처리 : 반정형데이터 (1) - HTML, CSS
정형데이터 (2) - SQL
빅데이터 수집 / 전처리 : 정형데이터 (2) - SQL
정형데이터 (1) - RDBMS
빅데이터 수집 / 전처리 : 정형데이터 (1) - RDBMS
Python
파이썬 Counter 사용하기
collections 모듈의 Counter 클래스를 사용하는 방법에 대해 정리한 글입니다.
Jupyter Notebook 단축키
작업속도 향상을 위해 여러 Jupyter Notebook 단축키에 대해 정리한 글입니다.
Open / With / Formatting
고급 파이썬 학습: Open / With / Formatting
객체지향 (2)
고급 파이썬 학습: 객체지향 (2)
객체지향 (1)
고급 파이썬 학습: 객체지향 (1)
함수적 기법 (2)
고급 파이썬 학습: 함수적 기법 (2)
함수적 기법 (1)
고급 파이썬 학습: 함수적 기법 (1)
파이썬 자료구조 / 디버깅
고급 파이썬 학습: 자료구조 / 디버깅
Ensemble
스태킹(Stacking) 앙상블
머신러닝 앙상블 학습의 마지막 유형 스태킹(Stacking)에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (3) : LightGBM
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 LightGBM에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (2) : XGBoost
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 XGBoost(eXtra Gradient Boost)에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (1) : GBM
앙상블 학습 방식 중 하나인 부스팅(Boosting) 알고리즘의 개념과 GBM에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 배깅(Bagging) : 랜덤포레스트(Random Forest)
앙상블 학습 방식 중 하나인 배깅(Bagging)의 대표적인 알고리즘 랜덤포레스트(Random Forest)에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 보팅(Voting)
앙상블 학습 방식 중 하나인 보팅(Voting)의 유형과 사이킷런에서 보팅을 구현하는 방법에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning)의 유형
앙상블 학습 방식의 유형과 각각의 특징에 대해 정리한 글입니다.
Preprocessing
R로 데이터 분석하기 - 파생변수 생성
R을 활용한 데이터 분석 과정 중 파생변수를 생성하는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 데이터 로드
R을 활용한 데이터 분석 과정 중 데이터를 불러오고 데이터 형태를 확인하는 방법에 대해 정리한 글입니다.
사이킷런에서 데이터 전처리하기 - 피처 스케일링
사이킷런에서 StandardScaler, MinMaxScaler를 사용해 표준화와 정규화를 수행하는 과정을 정리한 글입니다.
사이킷런에서 데이터 전처리하기 - 데이터 인코딩
사이킷런에서 LabelEncoder, OneHotEncoder를 사용해 인코딩하는 과정을 정리한 글입니다.
텍스트전처리 - NLTK, KoNLPy
빅데이터 수집 / 전처리 : 텍스트전처리 - NLTK, KoNLPy
Visualization
R로 데이터 분석하기 - 시각화 (4) : Interactive 그래프
R을 활용한 데이터 분석의 시각화 과정 중 plotly 패키지를 이용해 interactive한 그래프를 그리는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 시각화 (3) : ggplot2
R을 활용한 데이터 분석의 시각화 과정 중 ggplot2 활용법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 시각화 (2) : 여러 개의 그래프
R을 활용한 데이터 분석의 시각화 과정 중 여러 개의 그래프를 한 화면에 나타내는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 시각화 (1) : 기본 plot 함수
R을 활용한 데이터 분석 과정 중 시각화 과정에 대해 정리한 글입니다. 가장 먼저 기본 plot 함수에 대해 다룹니다.
Basic
통계기초
기초 통계 이론을 간단히 정리한 내용입니다.
파이썬 자료구조 / 디버깅
고급 파이썬 학습: 자료구조 / 디버깅
Git에서 커밋하기 5단계
Git에서 커밋하는 기본적인 방법 5단계
Pandas
판다스 Index 객체
판다스 DataFrame과 Series의 Index 객체에 대하여 정리한 글입니다.
판다스 DataFrame과 list, dictionary, ndarray 상호 변환
판다스 DataFrame과 list, dictionary, ndarray를 상호 변환하는 방법에 대해 정리한 글입니다.
Pandas
빅데이터 분석 (통계 / 기계학습) : Pandas
GridSearchCV
GridSearchCV
사이킷런 Model Selection 모듈에서 GridSearchCV를 사용하는 방법에 대해 다룬 글입니다.
Pipeline 구축
빅데이터 분석 (통계 / 기계학습) : Pipeline 구축
Scikit-learn
빅데이터 분석 (통계 / 기계학습) : Scikit-learn
Metrics
분류 평가방법 (3) - F1 스코어, ROC AUC
정밀도와 재현율을 결합한 지표인 F1 스코어에 대해, 그리고 ROC 곡선과 이를 기반으로 한 AUC 스코어에 대해 정리한 글입니다.
분류 평가방법 (2) - 정밀도(Precision), 재현율(Recall)의 트레이드오프
정밀도와 재현율의 트레이드오프 관계와 분류 결정 임계값(Threshold)을 설정하는 방법에 대해 정리한 글입니다.
분류 평가방법 (1) - 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)
머신러닝 분류 문제에서 사용되는 평가방법인 오차행렬(Confusion Matrix)과 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)에 대해 정리한 글입니다.
Evaluation
분류 평가방법 (3) - F1 스코어, ROC AUC
정밀도와 재현율을 결합한 지표인 F1 스코어에 대해, 그리고 ROC 곡선과 이를 기반으로 한 AUC 스코어에 대해 정리한 글입니다.
분류 평가방법 (2) - 정밀도(Precision), 재현율(Recall)의 트레이드오프
정밀도와 재현율의 트레이드오프 관계와 분류 결정 임계값(Threshold)을 설정하는 방법에 대해 정리한 글입니다.
분류 평가방법 (1) - 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)
머신러닝 분류 문제에서 사용되는 평가방법인 오차행렬(Confusion Matrix)과 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)에 대해 정리한 글입니다.
Boosting
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (3) : LightGBM
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 LightGBM에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (2) : XGBoost
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 XGBoost(eXtra Gradient Boost)에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (1) : GBM
앙상블 학습 방식 중 하나인 부스팅(Boosting) 알고리즘의 개념과 GBM에 대해 정리한 글입니다.
Modeling
R로 데이터 분석하기 - 모델링 (3) : 랜덤포레스트(Random Forest)
R에서 Random Forest를 적용하는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 모델링 (2) : 로지스틱 회귀분석
R에서 로지스틱 회귀분석을 수행하는 방법에 대해 정리한 글입니다.
R로 데이터 분석하기 - 모델링 (1) : 회귀분석
R을 활용해 단순 회귀분석, 다중 회귀분석을 시행하는 방법에 대해 정리한 글입니다.
Function
함수적 기법 (2)
고급 파이썬 학습: 함수적 기법 (2)
함수적 기법 (1)
고급 파이썬 학습: 함수적 기법 (1)
OOP
Back to top ↑Inheritance
Back to top ↑DBMS
정형데이터 (2) - SQL
빅데이터 수집 / 전처리 : 정형데이터 (2) - SQL
정형데이터 (1) - RDBMS
빅데이터 수집 / 전처리 : 정형데이터 (1) - RDBMS
RDBMS
정형데이터 (2) - SQL
빅데이터 수집 / 전처리 : 정형데이터 (2) - SQL
정형데이터 (1) - RDBMS
빅데이터 수집 / 전처리 : 정형데이터 (1) - RDBMS
Data type
Pandas
빅데이터 분석 (통계 / 기계학습) : Pandas
정형데이터 (2) - SQL
빅데이터 수집 / 전처리 : 정형데이터 (2) - SQL
Numpy
Back to top ↑Stack
Back to top ↑Encoding
사이킷런에서 데이터 전처리하기 - 데이터 인코딩
사이킷런에서 LabelEncoder, OneHotEncoder를 사용해 인코딩하는 과정을 정리한 글입니다.
Scikit-learn
빅데이터 분석 (통계 / 기계학습) : Scikit-learn
Shortcut
R Studio 단축키
여러 R Studio 단축키에 대해 정리한 글입니다.
Jupyter Notebook 단축키
작업속도 향상을 위해 여러 Jupyter Notebook 단축키에 대해 정리한 글입니다.
Model Selection
GridSearchCV
사이킷런 Model Selection 모듈에서 GridSearchCV를 사용하는 방법에 대해 다룬 글입니다.
교차검증 수행하기 - K 폴드, Stratified K 폴드, cross_val_score
사이킷런 Model Selection 모듈에서 K 폴드, Stratified K 폴드, cross_val_score()로 교차검증을 수행하는 방법에 대해 다룬 글입니다.
Precision
분류 평가방법 (2) - 정밀도(Precision), 재현율(Recall)의 트레이드오프
정밀도와 재현율의 트레이드오프 관계와 분류 결정 임계값(Threshold)을 설정하는 방법에 대해 정리한 글입니다.
분류 평가방법 (1) - 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)
머신러닝 분류 문제에서 사용되는 평가방법인 오차행렬(Confusion Matrix)과 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)에 대해 정리한 글입니다.
Recall
분류 평가방법 (2) - 정밀도(Precision), 재현율(Recall)의 트레이드오프
정밀도와 재현율의 트레이드오프 관계와 분류 결정 임계값(Threshold)을 설정하는 방법에 대해 정리한 글입니다.
분류 평가방법 (1) - 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)
머신러닝 분류 문제에서 사용되는 평가방법인 오차행렬(Confusion Matrix)과 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)에 대해 정리한 글입니다.
DecisionTree
머신러닝 결정트리(Decision Tree) 알고리즘
ML 알고리즘 중 하나인 결정트리 알고리즘의 구조, 예측 방식, 과적합, 피처 중요도 확인 방법에 대해 정리한 글입니다.
결정트리 모델 시각화하기 (Graphviz)
결정트리 알고리즘을 쉽게 시각화할 수 있게 해주는 Graphviz를 설치하고, 설정하고, 사용하는 방법에 대해 정리한 글입니다.
Random Forest
R로 데이터 분석하기 - 모델링 (3) : 랜덤포레스트(Random Forest)
R에서 Random Forest를 적용하는 방법에 대해 정리한 글입니다.
머신러닝 앙상블 학습(Ensemble Learning) - 배깅(Bagging) : 랜덤포레스트(Random Forest)
앙상블 학습 방식 중 하나인 배깅(Bagging)의 대표적인 알고리즘 랜덤포레스트(Random Forest)에 대해 정리한 글입니다.
Git
Git에서 커밋하기 5단계
Git에서 커밋하는 기본적인 방법 5단계
PEP
파이썬 자료구조 / 디버깅
고급 파이썬 학습: 자료구조 / 디버깅
Positional
함수적 기법 (1)
고급 파이썬 학습: 함수적 기법 (1)
Keyword
함수적 기법 (1)
고급 파이썬 학습: 함수적 기법 (1)
AndOr
함수적 기법 (1)
고급 파이썬 학습: 함수적 기법 (1)
Global
함수적 기법 (1)
고급 파이썬 학습: 함수적 기법 (1)
Nonlocal
함수적 기법 (1)
고급 파이썬 학습: 함수적 기법 (1)
Else
함수적 기법 (1)
고급 파이썬 학습: 함수적 기법 (1)
High-order Function
함수적 기법 (1)
고급 파이썬 학습: 함수적 기법 (1)
Comprehension
함수적 기법 (2)
고급 파이썬 학습: 함수적 기법 (2)
Generator
함수적 기법 (2)
고급 파이썬 학습: 함수적 기법 (2)
Lambda
함수적 기법 (2)
고급 파이썬 학습: 함수적 기법 (2)
Callables
함수적 기법 (2)
고급 파이썬 학습: 함수적 기법 (2)
Decorator
함수적 기법 (2)
고급 파이썬 학습: 함수적 기법 (2)
Class
객체지향 (1)
고급 파이썬 학습: 객체지향 (1)
Instance
객체지향 (1)
고급 파이썬 학습: 객체지향 (1)
Vars
객체지향 (1)
고급 파이썬 학습: 객체지향 (1)
Super
객체지향 (1)
고급 파이썬 학습: 객체지향 (1)
Overriding
객체지향 (2)
고급 파이썬 학습: 객체지향 (2)
Descriptor
객체지향 (2)
고급 파이썬 학습: 객체지향 (2)
Delegation
객체지향 (2)
고급 파이썬 학습: 객체지향 (2)
Composition
객체지향 (2)
고급 파이썬 학습: 객체지향 (2)
Metaclasses
객체지향 (2)
고급 파이썬 학습: 객체지향 (2)
Open
Open / With / Formatting
고급 파이썬 학습: Open / With / Formatting
With
Open / With / Formatting
고급 파이썬 학습: Open / With / Formatting
Formatting
Open / With / Formatting
고급 파이썬 학습: Open / With / Formatting
Escape Sequences
Open / With / Formatting
고급 파이썬 학습: Open / With / Formatting
SQL
정형데이터 (2) - SQL
빅데이터 수집 / 전처리 : 정형데이터 (2) - SQL
DDL
정형데이터 (2) - SQL
빅데이터 수집 / 전처리 : 정형데이터 (2) - SQL
DML
정형데이터 (2) - SQL
빅데이터 수집 / 전처리 : 정형데이터 (2) - SQL
Join
정형데이터 (2) - SQL
빅데이터 수집 / 전처리 : 정형데이터 (2) - SQL
SQLite
정형데이터 (2) - SQL
빅데이터 수집 / 전처리 : 정형데이터 (2) - SQL
HTML
반정형데이터 (1) - HTML, CSS
빅데이터 수집 / 전처리 : 반정형데이터 (1) - HTML, CSS
CSS
반정형데이터 (1) - HTML, CSS
빅데이터 수집 / 전처리 : 반정형데이터 (1) - HTML, CSS
XML
반정형데이터 (2) - XML, JSON
빅데이터 수집 / 전처리 : 반정형데이터 (2) - XML, JSON
JSON
반정형데이터 (2) - XML, JSON
빅데이터 수집 / 전처리 : 반정형데이터 (2) - XML, JSON
HTTP
비정형데이터 - HTTP
빅데이터 수집 / 전처리 : 비정형데이터 - HTTP
Legal Issue
비정형데이터 - HTTP
빅데이터 수집 / 전처리 : 비정형데이터 - HTTP
URL Handling Modules
비정형데이터 - HTTP
빅데이터 수집 / 전처리 : 비정형데이터 - HTTP
Urllib
비정형데이터 - HTTP
빅데이터 수집 / 전처리 : 비정형데이터 - HTTP
RobotParser
비정형데이터 - HTTP
빅데이터 수집 / 전처리 : 비정형데이터 - HTTP
Error
비정형데이터 - HTTP
빅데이터 수집 / 전처리 : 비정형데이터 - HTTP
Requests
비정형데이터 - HTTP
빅데이터 수집 / 전처리 : 비정형데이터 - HTTP
DOM
DOM
빅데이터 수집 / 전처리 : DOM
BeautifulSoup
DOM
빅데이터 수집 / 전처리 : DOM
Parser
DOM
빅데이터 수집 / 전처리 : DOM
Lxml
DOM
빅데이터 수집 / 전처리 : DOM
Prettify
DOM
빅데이터 수집 / 전처리 : DOM
CSS Selector
DOM
빅데이터 수집 / 전처리 : DOM
Regular Expression
Regular Expression
빅데이터 수집 / 전처리 : Regular Expression
Crawling
Crawling, Scraping
빅데이터 수집 / 전처리 : Crawling, Scraping
Scraping
Crawling, Scraping
빅데이터 수집 / 전처리 : Crawling, Scraping
Selenium
Selenium
빅데이터 수집 / 전처리 : Selenium
Text
텍스트전처리 - NLTK, KoNLPy
빅데이터 수집 / 전처리 : 텍스트전처리 - NLTK, KoNLPy
NLTK
텍스트전처리 - NLTK, KoNLPy
빅데이터 수집 / 전처리 : 텍스트전처리 - NLTK, KoNLPy
KoNLPy
텍스트전처리 - NLTK, KoNLPy
빅데이터 수집 / 전처리 : 텍스트전처리 - NLTK, KoNLPy
Empirical Law
텍스트전처리 - NLTK, KoNLPy
빅데이터 수집 / 전처리 : 텍스트전처리 - NLTK, KoNLPy
Ndarray
Numpy
빅데이터 분석 (통계 / 기계학습) : Numpy
Stride
Numpy
빅데이터 분석 (통계 / 기계학습) : Numpy
Broadcasting
Numpy
빅데이터 분석 (통계 / 기계학습) : Numpy
Typecasting
Numpy
빅데이터 분석 (통계 / 기계학습) : Numpy
Shape
Numpy
빅데이터 분석 (통계 / 기계학습) : Numpy
Split
Numpy
빅데이터 분석 (통계 / 기계학습) : Numpy
Concatenate
Numpy
빅데이터 분석 (통계 / 기계학습) : Numpy
DataFrame
Pandas
빅데이터 분석 (통계 / 기계학습) : Pandas
EDA
Pandas
빅데이터 분석 (통계 / 기계학습) : Pandas
Map
Pandas
빅데이터 분석 (통계 / 기계학습) : Pandas
Apply
Pandas
빅데이터 분석 (통계 / 기계학습) : Pandas
Itertuples
Pandas
빅데이터 분석 (통계 / 기계학습) : Pandas
Aggregation
Pandas
빅데이터 분석 (통계 / 기계학습) : Pandas
Melt
Pandas
빅데이터 분석 (통계 / 기계학습) : Pandas
Missingno
Pandas
빅데이터 분석 (통계 / 기계학습) : Pandas
Hold Out
Scikit-learn
빅데이터 분석 (통계 / 기계학습) : Scikit-learn
DummyClassifier
Scikit-learn
빅데이터 분석 (통계 / 기계학습) : Scikit-learn
Learning Curve
Scikit-learn
빅데이터 분석 (통계 / 기계학습) : Scikit-learn
Hyperparameter
Scikit-learn
빅데이터 분석 (통계 / 기계학습) : Scikit-learn
Pipeline
Pipeline 구축
빅데이터 분석 (통계 / 기계학습) : Pipeline 구축
ColumnTransformer
Pipeline 구축
빅데이터 분석 (통계 / 기계학습) : Pipeline 구축
Seq2Seq
Attention, Transformer
빅데이터 분석 (딥러닝 / 강화학습) : Attention, Transformer
Attention
Attention, Transformer
빅데이터 분석 (딥러닝 / 강화학습) : Attention, Transformer
Transformer
Attention, Transformer
빅데이터 분석 (딥러닝 / 강화학습) : Attention, Transformer
BERT
Attention, Transformer
빅데이터 분석 (딥러닝 / 강화학습) : Attention, Transformer
GAN
GAN
빅데이터 분석 (딥러닝 / 강화학습) :GAN
PyTorch
PyTorch
빅데이터 분석 (딥러닝 / 강화학습) :PyTorch
Recommendation
추천 시스템 - Contents Based Filtering, Collaborative Filtering, Hybrid Filtering
Contents Based Filtering, Collaborative Filtering 등 기본적인 추천 시스템 구현 방법론의 특징 및 장단점에 대해 정리한 글입니다.
Jupyter Notebook
Jupyter Notebook 단축키
작업속도 향상을 위해 여러 Jupyter Notebook 단축키에 대해 정리한 글입니다.
Index
판다스 Index 객체
판다스 DataFrame과 Series의 Index 객체에 대하여 정리한 글입니다.
Cross Validation
교차검증 수행하기 - K 폴드, Stratified K 폴드, cross_val_score
사이킷런 Model Selection 모듈에서 K 폴드, Stratified K 폴드, cross_val_score()로 교차검증을 수행하는 방법에 대해 다룬 글입니다.
Scaling
사이킷런에서 데이터 전처리하기 - 피처 스케일링
사이킷런에서 StandardScaler, MinMaxScaler를 사용해 표준화와 정규화를 수행하는 과정을 정리한 글입니다.
Confusion Matrix
분류 평가방법 (1) - 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)
머신러닝 분류 문제에서 사용되는 평가방법인 오차행렬(Confusion Matrix)과 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)에 대해 정리한 글입니다.
Accuracy
분류 평가방법 (1) - 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)
머신러닝 분류 문제에서 사용되는 평가방법인 오차행렬(Confusion Matrix)과 정확도(Accuracy), 정밀도(Precision), 재현율(Recall)에 대해 정리한 글입니다.
Threshold
분류 평가방법 (2) - 정밀도(Precision), 재현율(Recall)의 트레이드오프
정밀도와 재현율의 트레이드오프 관계와 분류 결정 임계값(Threshold)을 설정하는 방법에 대해 정리한 글입니다.
Binarizer
분류 평가방법 (2) - 정밀도(Precision), 재현율(Recall)의 트레이드오프
정밀도와 재현율의 트레이드오프 관계와 분류 결정 임계값(Threshold)을 설정하는 방법에 대해 정리한 글입니다.
F1 Score
분류 평가방법 (3) - F1 스코어, ROC AUC
정밀도와 재현율을 결합한 지표인 F1 스코어에 대해, 그리고 ROC 곡선과 이를 기반으로 한 AUC 스코어에 대해 정리한 글입니다.
ROC AUC
분류 평가방법 (3) - F1 스코어, ROC AUC
정밀도와 재현율을 결합한 지표인 F1 스코어에 대해, 그리고 ROC 곡선과 이를 기반으로 한 AUC 스코어에 대해 정리한 글입니다.
Graphviz
결정트리 모델 시각화하기 (Graphviz)
결정트리 알고리즘을 쉽게 시각화할 수 있게 해주는 Graphviz를 설치하고, 설정하고, 사용하는 방법에 대해 정리한 글입니다.
Voting
머신러닝 앙상블 학습(Ensemble Learning) - 보팅(Voting)
앙상블 학습 방식 중 하나인 보팅(Voting)의 유형과 사이킷런에서 보팅을 구현하는 방법에 대해 정리한 글입니다.
Bagging
머신러닝 앙상블 학습(Ensemble Learning) - 배깅(Bagging) : 랜덤포레스트(Random Forest)
앙상블 학습 방식 중 하나인 배깅(Bagging)의 대표적인 알고리즘 랜덤포레스트(Random Forest)에 대해 정리한 글입니다.
GBM
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (1) : GBM
앙상블 학습 방식 중 하나인 부스팅(Boosting) 알고리즘의 개념과 GBM에 대해 정리한 글입니다.
Counter
파이썬 Counter 사용하기
collections 모듈의 Counter 클래스를 사용하는 방법에 대해 정리한 글입니다.
XGBoost
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (2) : XGBoost
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 XGBoost(eXtra Gradient Boost)에 대해 정리한 글입니다.
LightGBM
머신러닝 앙상블 학습(Ensemble Learning) - 부스팅(Boosting) (3) : LightGBM
각광받고 있는 트리 기반 앙상블 학습 알고리즘 중 하나인 LightGBM에 대해 정리한 글입니다.
Statistics
통계기초
기초 통계 이론을 간단히 정리한 내용입니다.
R Studio
R Studio 단축키
여러 R Studio 단축키에 대해 정리한 글입니다.
Imbalanced Data
불균형 데이터로 머신러닝 수행하기 - 언더 샘플링(Undersampling), 오버 샘플링(Oversampling)
머신러닝에서 불균형한 데이터로 학습을 하는 방법에 대해 정리한 글입니다.
SMOTE
불균형 데이터로 머신러닝 수행하기 - 언더 샘플링(Undersampling), 오버 샘플링(Oversampling)
머신러닝에서 불균형한 데이터로 학습을 하는 방법에 대해 정리한 글입니다.
Stacking
스태킹(Stacking) 앙상블
머신러닝 앙상블 학습의 마지막 유형 스태킹(Stacking)에 대해 정리한 글입니다.