RL Researcher

1. Machine Learning의 개념 "무엇(X)으로 무엇(Y)을 예측하고 싶다" 기계학습(Machine Learning) 또는 머신러닝은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록하는 알고리즘과 기술을 개발하는 분야를 말합니다. Y : 출력변수 (종속변수, 반응변수) f : 모형 (머신러닝 알고리즘) X : 입력 변수 (독립변수, feature) 주어진 데이터를 통해서 입력변수(X)와 출력변수(Y)간의 관계를 만드는 함수 f를 만드는 것 주어진 데이터 속에서 데이터의 특징을 찾아내는 함수 f를 만드는 것 2. Machine Learning으로 할 수 있는 것들 X : 고객들의 개인 정보 및 금융 관련 정보, Y : 대출 연체 여부 => 대출 연체자 예측 탐지 모델, 대출 연체 관련 주요 ..

1. Ensemble Learning이란 Ensemble : '조화'라는 사전적 의미를 지님 Ensemble Learning 여러개의 기본 모델을 활용하여 하나의 새로운 모델을 만들어 내는 개념입니다. 이때의 기본 모델(base model)을 weak learner, classifier, base learner, single learner라고 부릅니다. 다양한 learner를 만들면 전체의 모델의 성능이 증가할 수 있습니다. 2. 대수의 법칙 대수의 법칙(law of large numbers) 큰 모집단(population)에서 무작위로 뽑은 표본의 평균이 전체 모집단의 평균과 가까울 가능성이 높다는 통계와 확률 분야의 기본 개념입니다. 많은 시행(다수의 사람)의 결과가 수학적(이성적)으로 합리적인 결과..

1. 개념 인공지능(AI : Artificial Intelligence) : 기계가 사람의 행동을 모방하게 하는 기술로써 최상위 개념에 있습니다. 기계학습(ML : Machine Learning) : 기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구분야이며, 인공지능 카테고리 내에 포함되어 있습니다. 딥러닝(DL : Deep Learning) : 기계학습의 한 분야인 인공 신경망에 기반하여, 많은 양의 데이터를 학습해 뛰어난 성능을 이끌어내는 연구 분야이며, 기계학습 카테고리 내에 포함되어 있습니다. 2. 딥 러닝과 머신러닝의 차이점 기본 머신러닝 모델은 그 기능이 점진적으로 향상이 되는데, 여전히 안내가 필요합니다. AI알고리즘이 부정확한 ..

1. train_test_split 모든 기계학습(Machine Learning,Deep Learning, Reinforcement Learning)에서는 학습 데이터(train data)와 테스트 데이터(test data)의 분리가 중요합니다. 학습데이터와 테스트 데이터의 분리가 적절하게 이루지지 않은 경우에는 과적합(overfitting)이 발생하기 때문입니다. 코드를 통해서 실습해보도록 하겠습니다. 먼저 테스트 데이터 세트를 이용하지 않고 학습 데이터 세트로만 학습하고 예측하게 되면 어떤 문제가 발생하는지 알아보겠습니다. # 다양한 모듈 import from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClassifi..