Multiple Linear Regression - 여러 개의 독립 변수를 사용하여 종속 변수의 값을 예측하는 방법 Single Linear Regression이 종속 변수를 추정하기 위해 한 개의 독립 변수를 사용하는 반면, 다중 선형 회귀분석은 여러 개의 독립 변수를 사용하여 종속 변수의 값을 예측합니다. 여러 독립 변수: 다중 선형 회귀분석에서는 종속 변수의 값이 여러 독립 변수에 의해 영향을 받습니다. 예를 들어, CO2 배출량을 예측하는 데에는 엔진 크기, 실린더 수, 연료 소비량 등이 모두 역할을 합니다. 최적화된 파라미터: 최적화된 파라미터란 모델의 오류가 가장 적은 파라미터를 의미합니다. 이러한 파라미터는 예측의 오류를 최소화함으로써 찾아집니다. 이 파라미터를 추정하는 방법에는 최소제곱법과..
2023/07
- DispatcherServlet은 class의 annotation 유무를 보고 구분을 한다 실제 코드는 Github 링크를 참고하면 된다! 아래는 예제 프로젝트의 파일들이다. 딱 보니, 여러 개의 controller와 Spring의 @RequestMapping이 보인다 프로세스 public static void main(String[] args) throws Exception { Scanner sc = new Scanner(System.in); String uri = sc.nextLine(); Set classes = componentScan("ex03"); findUri(classes, uri); } 처음 프로젝트를 실행시키면, URI 입력 받고, 입력 받은 데이터를 잘라서 findURI에 넣는다 ..
DispatcherServlet 왜 필요한가 **요약** - DispatcherServlet은 모든 웹 요청에 대해 적절한 Controller로 라우팅을 해준다 예제 코드를 분석하면서 DispatcherServlet이 왜 필요한가 알아봅시다 아래 코드는 RequestMapping 어노테이션을 사용하여 특정 URI를 메서드에 연결하고 있습니다. 이는 스프링 프레임워크의 RequestMapping과 유사한 동작을 수행합니다. 코드 분석 public class App { public static void findUri(UserController uc, String uri) throws Exception { boolean isFind = false; Method[] methods = uc.getClass().g..
주어진 데이터를 하나씩 분석하며, 라이브러리 사용법을 배워봅시다 df = pd.read_csv("FuelConsumption.csv")// 주어진 CSV를 읽는다 "FuelConsumption.csv"라는 CSV 파일을 읽어와서 pandas DataFrame 객체인 df에 저장합니다. 여기서 pandas는 데이터 분석에 널리 사용되는 Python 라이브러리입니다. 데이터 조회 # take a look at the dataset df.head() df.head()는 DataFrame의 처음 5행을 출력합니다. 이 메소드를 사용하면, 데이터셋의 구조와 각 열(column)에 들어있는 데이터를 빠르게 확인할 수 있습니다. 데이터 통계 df.describe() df.describe()는 DataFrame의 **..
실제 값 Vs 예측 값 회귀 모델에서 우리의 주요 목표는 연속된 값을 예측하는 것입니다. 모델을 구축한 후에는 어떤 테스트 데이터셋으로 이를 테스트합니다. 이를 통해 우리는 실제 값 (목표 변수의 실제 값)과 예측 값 (우리의 모델이 예측한 값)을 얻게 됩니다. 평균 절대 오차 (MAE) MAE는 예측 값과 실제 값의 절대 차이의 평균입니다. 이는 선형 점수이므로, 평균에서 모든 개별 차이가 동등하게 가중됩니다. MAE = 1/n * Σ|실제값 - 예측값| 여기서, n은 관측치의 총 개수입니다. 평균 제곱 오차 (Mean Squared Error, MSE) MSE는 MAE와 유사하지만, 절대 값을 사용하는 대신 차이를 제곱한 후 이들을 모두 더합니다. 이는 MSE가 MAE에 비해 이상치에 더 민감하다는 ..
Model Evaluation in Regression Models(회귀 모델의 평가) - 동일 데이터 셋에 대한 훈련 및 테스트 - Train/Test Split - 상호배타적인 훈련/테스트 셋으로 분할 - 원본 데이터 셋에 의존적 - K-fold 교차 검증 - 여러 번의 훈련/테스트 분할을 수행 - 더 일관성 있는 표본 외 정확도 회귀 모델의 목표는 알려지지 않은 케이스를 정확히 예측하는 모델을 구축하는 것입니다. 이를 위해 모델 구축 후에 회귀 평가를 수행해야 합니다. 용어 정리 훈련 정확도(training accruacy) 테스트 데이터셋을 사용하여 모델이 얼마나 많은 예측을 올바르게 하는지를 나타내는 비율입니다. 하지만, 높은 훈련 정확도는 데이터에 과적합되어있음을 나타낼 수 있습니다. 표본 외..
Supervised Vs Unsupervised (지도 학습 VS 비지도 학습) - 지도 학습 : 레이블이 지정된 데이터셋으로 모델 훈련 - 비지도 학습 : 레이블이 없는 데이터에서 모델이 스스로 정보 발견하는 방법 1. 지도 학습(Supervised Learning): 지도 학습은 레이블이 지정된 데이터셋을 사용하여 모델을 훈련시키는 방법입니다 이를 통해 모델은 미래의 인스턴스를 예측할 수 있습니다. 분류(Classification): 이산 클래스 레이블 또는 카테고리를 예측하는 과정입니다. Regression(회귀) 모델: 연속 값을 예측하는 과정입니다. 2. 비지도 학습(Unsupervised Learning) 비지도 학습은 레이블이 없는 데이터에서 모델이 스스로 정보를 발견하도록 하는 방법입니다...
비지도 학습(Unsupervised Learning) 비지도 학습은 레이블이 없는 데이터에서 모델이 스스로 정보를 발견하도록 하는 방법입니다. 비지도 학습 알고리즘은 레이블이 없는 데이터에 대한 결론을 도출합니다. 비지도 학습의 주요 기법에는 차원 축소, 밀도 추정, 마켓 바스켓 분석, 클러스터링이 있습니다. 차원 축소(Dimension Reduction): 중복된 특성을 줄여 분류를 용이하게 하는 역할을 합니다. 마켓 바스켓 분석(Market Basket Analysis): 특정 항목 그룹을 구매하는 경우 다른 항목 그룹을 구매할 가능성이 높다는 이론에 기반한 모델링 기법입니다. 밀도 추정(Density Estimation): 데이터 내에서 일부 구조를 찾는 데 주로 사용되는 매우 간단한 개념입니다. ..
지도 학습(Supervised Learning) - 종속 변수와 독립 변수로 모델을 만든다 한마디로, 요약하면 종속 변수와 독립 변수로 모델을 만드는 것입니다 지도 학습은 레이블이 지정된 데이터셋을 사용하여 모델을 훈련시키는 방법입니다. 이를 통해 모델은 미래의 인스턴스를 예측할 수 있습니다. 지도 학습의 두 가지 주요 기법은 분류와 회귀입니다. 회귀(Regression(회귀) 모델) 종속 변수(구하고 싶은 것)가 숫자인 경우는 회귀를 사용합니다 연속 값을 예측하는 과정입니다. 예를 들어, 엔진 크기나 실린더 수와 같은 다른 필드를 사용하여 새로운 자동차의 CO2 배출량을 예측할 수 있습니다. 분류(Classification) 종속 변수(구하고 싶은 것)이 이름(문자) 일 경우에, 분류를 사용합니다 이산..
Regression - 종속 변수와 한 개 이상의 독립 변수 사이의 관계를 설명하는 통계 모델 - 시간에 따른 데이터 변화, 특정 인자의 영향 등 인과 관계를 모델링 할 때 사용 회귀 분석이란 하나 이상의 변수를 사용하여 연속값을 예측하는 방법입니다 종속변수(목표값 또는 결과)를 하나 이상의 독립변수(설명 변수)의 함수로 관계시키는 것이죠 변수 유형: 회귀분석에서는 두 가지 유형의 변수가 있습니다 종속변수: 이는 우리가 연구하고 예측하려는 상태, 목표, 또는 최종 목표입니다. 독립변수: 이들은 그 상태의 원인으로, 설명변수라고도 합니다. 이들은 범주형 또는 연속형 측정 척도에서 측정될 수 있습니다. 예시 : 회귀 모델 유형 Linear Regression 단순 회귀 : (Single Linear Regr..
