AI

Lab - Decision Trees Import the Following Libraries: numpy (as np) pandas DecisionTreeClassifier from sklearn.tree import piplite await piplite.install(['pandas']) await piplite.install(['matplotlib']) await piplite.install(['numpy']) await piplite.install(['scikit-learn']) import numpy as np import pandas as pd from sklearn.tree import DecisionTreeClassifier import sklearn.tree as tree from pyo..

Decision Tree - 데이터 분류 기준을 학습하고, 트리 구조로 값을 예측한다 - 정보 이득이 높은 방향으로 데이터를 분할한다 의사결정 트리는 데이터를 분류하거나 값(레이블)을 예측하는데 사용하는 트리 구조 알고리즘이다 이 알고리즘은 각 노드에서 특정 속성에 대한 판단을 내리고 그 결과에 따라 데이터를 분할하는 방식으로 동작합니다. 왜 Machine Learning인가? 데이터의 특징을 기반으로 결정을 내리며, 이 결정 규칙을 학습 데이터로부터 자동으로 학습하기 때문입니다. 의사결정 트리의 순서는 각 속성의 중요도에 따라 자동으로 결정되며, 이 중요도는 데이터로부터 학습하는 과정을 통해 결정됩니다. 주요 요점 트리를 구성하는데 있어 어떤 속성이 데이터를 분할하는지가 핵심이다. 이를 결정하기 위해 ..

- AI의 통계적인 부분을 담당 - 목적 : 학습을 통해 목표에 최대한 근사한 값을 찾아낸다 학습 시킨다의 의미 주어진 데이터를 학습 시켜서 가장 합리적인 모델(직선, 방정식 등)을 찾아내는 것입니다 지도 학습(Supervised Learning) Regression(회귀) 모델 Linear Regression : 종속 변수와 독립 변수 간의 선형 관계 Single Linear Regression Multiple Linear Regression Non-Linear Regression : 종속 변수와 독립 변수 간의 비선형 관계 Classification Decision Tree KNN(K-Nearset Neighbors) Logistic Regression Support Vector Machine 비지도..

AutoGPT 설치 방법 Git 또는 Docker를 사용하는 것을 권장합니다. 업데이트를 쉽게하기 위해서입니다. 또한, Python 실행과 같은 일부 기능은 보안상의 이유로 도커 내에서만 작동합니다. git clone -b stable https://github.com/Significant-Gravitas/Auto-GPT.git cd Auto-GPT 환경 설정 1. Auto-GPT 메인 폴더에 있는 .env.template 파일을 찾습니다 이 파일은 점으로 시작하여 일부 운영 체제에서는 기본적으로 숨겨집니다. 숨겨진 파일을 표시하려면 해당 운영 체제에 대한 지침을 따르세요. (Windows, macOS) 2. .env.template 파일의 사본을 만들고 .env로 이름을 변경합니다 이미 명령 프롬프트/..

KNN(K-Nearset Neighbors) - KNN은 ML 지도학습 일종으로 분류 모델에 쓰인다. - K는 노드를 분류할 때 영향을 주는 이웃 노드의 수다 - K 값은 교차 검증 되어야 한다 K-최근접 이웃(K-Nearest Neighbors, KNN) 알고리즘은 지도 학습(Supervised Learning)으로 Classification과 Regression(회귀) 모델 문제를 해결하는 데 사용됩니다. 이 알고리즘은 "K"라는 사용자가 정의한 양의 정수를 통해 동작합니다. 이 "K"는 새로운 데이터 포인트가 어떤 분류에 속하는지를 결정하는 데 사용되는 가장 가까운 이웃의 수를 나타냅니다. KNN의 큰 특징은 따로 훈련을 할 필요가 없습니다. 이를 KNN이 Lazy Model이라 표현합니다 K-최근..

Introduction to Classification Classification 기계 학습에서의 지도 학습(Supervised Learning)으로, 알려지지 않은 항목들을 명확한 클래스 세트로 분류하거나 카테고리화하는 수단입니다. 분류는 특징 변수들의 집합과 관심 대상인 목표 변수 사이의 관계를 학습하려고 합니다. 분류에서의 목표 속성은 이산 값을 가진 범주형 변수입니다. 훈련 데이터 세트와 그에 대한 목표 레이블이 주어진 상태에서, 분류는 레이블이 없는 테스트 케이스에 대한 클래스 레이블을 결정합니다. 분류 알고리즘 크게 Classification 알고리즘은 이진 분류와 다중 분류가 있습니다 이진 분류 은행은 대출 채무 불이행을 예측하려고 할 때, 고객에 대한 정보(나이, 소득, 교육 등)가 포함된..

Non-Linear Regression 실습 - 데이터를 보고, 그래프를 그릴 식을 추정해야 한다. - pd/np -> plt(mataplotlib) 순으로 라이브러리를 사용한다 목표 Differentiate between linear and non-linear regression Use non-linear regression model in Python Intro. Non-Linear Regression 왜 쓰냐? 비선형 회귀는 독립 변수 x와 종속 변수 y 사이의 비선형 관계를 모델링하는 방법입니다. 일반적으로 선형이 아닌 모든 관계를 비선형 관계로 간주할 수 있으며, 이는 주로 다항식의 형태로 표현됩니다. 다항식의 최고 차수는 k입니다 (x의 최고 차수). 비선형 함수에는 지수, 로그, 분수 등의 ..

Polynomial Regression 실습 - 선형 그래프가 나오지 않는 상황에서, 새로운 특성 집합을 생성하여 다항 그래프를 만든다 - 다항식을 치환해서, Linear Regression으로 만들 수 있다 실습 준비 df = pd.read_csv("FuelConsumption.csv") # take a look at the dataset df.head() 생성된 데이터 프레임을 5줄 출력해봅니다 데이터 프레임이 잘 생성 된 것을 볼 수 잇습니다. 그렇다면, 회귀 모델에 사용할 필드로 새로운 데이터 프레임을 형성합니다. 다시 한번, 데이터 프레임을 출력해봅니다 cdf = df[['ENGINESIZE','CYLINDERS','FUELCONSUMPTION_COMB','CO2EMISSIONS']] cdf.h..

Non-Linear Regression - 비선형 회귀 모델은 종속 변수와 독립 변수가 비선형 관계인 것을 모델링 한 것이다. - 시각적으로 판단하거나, 선형 회귀 모델링을 정확하게 할 수 없을 때 적용한다 비선형 회귀는 종속 변수와 독립 변수 간의 비선형 관계를 모델링하는 회귀 분석 방법입니다. 선형 회귀(Linear Regression)와 달리, 비선형 회귀는 선형 매개 변수로 정확하게 모델링할 수 없는 비선형 관계를 포착할 수 있습니다. 비선형 모델은 종속 변수와 독립 변수 간의 비선형적인 관계를 고려합니다. 비선형 회귀 모델은 다항식, 지수 함수, 로그 함수, 로지스틱 함수 등 다양한 형태를 가질 수 있습니다. 매개 변수의 추정이 선형 회귀보다 어려울 수 있으며, 최소 제곱법(평균 제곱 오차 (M..

Multiple Linear Regression 실습 필요한 패키지 다운로드 import piplite await piplite.install(['pandas']) await piplite.install(['matplotlib']) await piplite.install(['numpy']) await piplite.install(['scikit-learn']) import matplotlib.pyplot as plt import pandas as pd import pylab as pl import numpy as np %matplotlib inline Matplotlib SciKit Learn # matplotlib.pyplot은 데이터를 차트나 플롯으로 시각화하는 패키지입니다. # 이를 plt라는 이름..