카테고리 없음

허명회 2021. 6. 18. 08:23
 순번 제목 업로드날짜  연결 URL  길이
1 데이터 탐색과 시각화 (1/2) 2020-08-12 https://youtu.be/2rYuiNLLzy4 36분

데이터 탐색과 시각화 (2/2) 2020-08-12 https://youtu.be/fyU2w72AyC0 32분
2 R을 활용한 수치계산 (1/2) 2020-08-27 https://youtu.be/FmUigXs1H5o 47분
  R을 활용한 수치계산 (2/2) 2020-08-27 https://youtu.be/P3fVwmYntEo 45분
3 통계적 기계학습 I (1/2) 2020-09-09 https://youtu.be/sr-WZaV-nRw 65분

통계적 기계학습 I (2/2) 2020-09-09 https://youtu.be/g4Omv724MEc 38분
4 통계적 기계학습 II (1/2) 2020-09-23 https://youtu.be/s7aP0i9emWE 50분
  통계적 기계학습 II (2/2) 2020-09-23 https://youtu.be/YpD8REt5Kzs 37분
5 인공지능과 통계학 2020-10-07 https://youtu.be/xUB-QSVp1kw 9분
6 학습모형 최적화의 미학 I. 일반화가법모형 (1/2) 2020-10-21 https://youtu.be/FQYMq7uN5Hg 18분
  학습모형 최적화의 미학 II. 램덤포레스트 (2/2) 2020-10-21 https://youtu.be/NLytCaJy7Gk 19분
7 단순 베이즈 분류 2020-11-04 https://youtu.be/D7fqMlCzdco 41분
8 k-NN 분류와 회귀 2020-11-18 https://youtu.be/X4k0pOgp54g 38분
9 연관성 규칙 (방법론, 1/2) 2020-12-16 https://youtu.be/UFS-BjYE-aQ 42분

연관성 규칙 (사례, 2/2) 2020-12-16 https://youtu.be/liaEv-f78ik 24분
10 조사자료 반복비례 가중화 2020-12-29 https://youtu.be/wSmmcmI1Tjg 43분
11 R 강화학습 2021-01-20 https://youtu.be/BN4JTwTSByI 48분
12 R 오토인코더 2021-02-03 https://youtu.be/-gTTSrHWFpc 40분
13 R 신경망 2021-02-17 https://youtu.be/OTYrVO7OMO8 50분
14 R Keras 신경망 2021-03-10 https://www.youtube.com/watch?v=SfSDkhBbndA 39분
15 파이썬을 활용한 수치계산 2021-04-07 https://www.youtube.com/watch?v=0ochIZL04BA 31분
16 파이썬을 활용한 데이터 탐색과 시각화 2021-04-21 https://www.youtube.com/watch?v=xCAebAMqrPM 54분
17 파이썬을 활용한 기계학습 I (1): 선형회귀, Ridge와 Lasso 2021-05-12 https://youtu.be/0-Tb5qupmuc 32분

파이썬을 활용한 기계학습 I (2): 국소회귀 lowess와 일반화가법모형 2021-05-12 https://youtu.be/hBz_5KT-Los 16분
18 파이썬을 활용한 기계학습 II (1): 나무모형, 배깅과 랜덤포레스트 2021-05-26 https://youtu.be/hyYgFN7m9rk 45분

파이썬을 활용한 기계학습 II (2): Support Vector Machines 2021-05-28 https://youtu.be/pCCGTYY7BhA 13분

 
 
 

'빅' 데이터의 과학: R Commander의 활용

허명회 2021. 6. 15. 10:58

기계학습(machine learning)은 데이터로부터 지식을 추출해내는, 즉 학습하는, 계산집중적 방법입니다. 기계학습의 특색은 알고리즘(algorithm)에 의해 모형이 형성된다는 점 등입니다. 기계학습은 지식추출(knowledge extraction)을 지향하는바 이것이 통계학의 모형(模型, model)과 대응합니다. 이 장은 나무 알고리즘에 의한 기계학습을 다룹니다.

 

나무 알고리즘이 만들어내는 분류 및 회귀 모형은 거꾸로 매단 나무(tree) 형태를 취하는데 매 노드 분리(node split)에서 관심변수의 분포적 순도(純度, purity)가 높아지도록 추진됩니다. 노드 분리는 순차적으로 계속되지만 더 이상의 노드 분리가 의미가 없어지면 그 지점에서 노드의 종결을 선언합니다. 나무모형은 수식적 틀로부터 자유로운 기계학습의 전형입니다. 후반부에 소개할 랜덤 포레스트(random forest)는 나무모형들의 집합(앙상블)입니다.

 

10_나무모형 알고리즘_20210602.pdf
0.25MB
boston.R
0.00MB
boston_1.R
0.00MB
weather.R
0.00MB
weather_1.R
0.00MB