ai-creator

21년 2학기, 대학원 수업으로는 처음으로 기계학습 기초 수업을 맡게 되었습니다. 업무에 fit된 내용으로 수업을 하면, 학생분들께 더 도움이 되지 않을까? 하는 생각과 좀 더 주말을 보람차게 보내고 싶은 두가지 마음으로 호기롭게 2과목을 맡아 진행했습니다. - 파이썬 매쉬업 프로젝트 - 기계학습 기초 연강으로 시간이 분배되었고, 이번 학기 처음으로 다루는 기계학습 기초과목에 좀 더 긴장감이 실렸습니다. 기계학습 기초는 온라인 강의에 29명의 학생분들이 수강을 해 주셨습니다. 긴장감이 실린 이유는 온라인 강의로 29명을 포용할 수 있을까? 내용을 명확하게 잘 전달 할 수 있을까? 하는 걱정 때문이였습니다. '업무에 fit된 내용을 다루는 것이 학생분들께 더 도움이 되지 않을까?'라는 생각에서 시작한 과목..

ㅁ 텍스트 분석 주요 영역 1) 텍스트 분류 2) 감정 분석 3) 텍스트 요약 4) 텍스트 군집화와 유사도 측정 ㅁ 텍스트분석 머신러닝 수행 프로세스 "text문서 -> 가공(전처리) -> feature -> ml학습 -> 예측 -> 평가" 과정은 다른 ML 프로세스와 동일 가공(전처리) 1) 클린징(cleansing) : 텍스트 분석에 방해가 되는 불필요한 문자, 기호등을 제거 (ex. HTML, XML 태그) 2) 토큰화(tokeniation) : 문장 토큰화, 단어 토큰화, n-gram 3) 필터링, 스톱워드 제거, 철자 수정 : 분석에 큰 의미가 없는 단어(ex. a, the, is, will), 잘못된 철자 수정 4) stemming / lemmatization : 어근(단어 원형) 추출 (비교..

목차 1. 앙상블 (ensemble) 2. Bagging 2-1) Random Foreset 3. Boosting 4. Staking 1. 앙상블(ensemble) - 여러개의 분류기(classifier)를 생성하고, 그 예측을 결합함으로써 더 정확한 최종 예측을 도출하는 기법 - 어려운 문제를 풀기위해 여러명의 전문가로 구성해 다양한 의견을 수렴하고 결정하는 방법과 유사 1-1) 앙상블 유형 보팅 (Voting) : 서로 다른 알고리즘을 가진 분류기를 결합 배깅 (Bagging, Bootstrap AGGregatING) : 모두 같은 유형의 알고리즘을 사용하지만, 데이터 샘플링(sampling with replacement, 복원추출)을 서로 다르게 가져가면서 보팅을 수행, RandomForest 데이..

목차 1. 오차행렬 (Confusion Matirx) 2. 평가 지표 2-1) Accuracy, Precision, Recall 2-2) F1-Score 2-3) ROC Curve와 AUC 1. 오차행렬 (Confusion Matrix) 의미 알고리즘이 예측을 수행하면서 얼마나 헷갈리고(confused) 있는지 보여지는 지표이다. 매우 혼란스러운 행렬이지만, 모든 값은 "예측"이 기준이다. True Negative (TN) 맞췄다. Negative로 예측해서 False Positive (FP) 틀렸다. Positive로 예측해서 실제는 Negative False Negative (FN) 틀렸다. Negative로 예측해서 실제는 Positive True Positive (TP) 맞췄다. Positive로..