머신러닝10 [머신러닝] 추천 시스템 추천 시스템이란? 특정 사용자가 관심 가질만한 정보를 추천하는 시스템으로, 사용자의 취향을 알아내 새로운 아이템을 추천하는 것입니다. ex) 영화, 음악, 책, 뉴스... 사례) 넷플릭스 : 고객의 영화 평가를 바탕으로 특정 고객에게 영화를 추천하는 서비스 아마존 : 협업 필터링 알고리즘 기반 추천 시스템 적용 정보 필터링 방법과 연관성 분석 등 다양한 추천 기법이 연구되고 있습니다. 유사도 정의 비슷한 정도를 나타내는 지표 종류 유클리디안 유사도 코사인 유사도 피어슨 유사도 자카드 유사도 유클리디안 유사도 유클리디안 거리의 역수로 정의 EUCLIDEAN DISTANCE OF USER A AND USER B 유사한 유저: 유저 A & 유저 C 코사인 유사도 두 벡터 간의 코사인 각도를 이용해 계산 Cos.. 2022. 5. 12. [머신러닝] SVM SVM의 정의 SVM은 신경망보다 사용이 간결하여 분류나 회귀 분석에서 사용이 가능하지만, 분류에서 주로 사용하고 있는 기법입니다. SVM은 초평면을 이용해서 분류를 수행하게 되는 알고리즘입니다. 어느 한쪽에 치우치지 않게 분류하며, 양쪽 데이터와 균등한 위치에 분류 기준을 세워줘야 합니다. (그런게해야 새로운 데이터가 들어오더라도 오류가 적습니다.) 그렇 어떻게 할까요? SVM 분류 방법 SVM은 결정 경계를 정의하는 모델입니다. 최적의 모델은 Margin을 최대화하는 결정 경계를 찾는 것입니다. SVM 분류 종류 Hard Margin 어떠한 오분류도 허용하지 않습니다. 위의 데이터를 영역을 정확히 나누려면 2차 곡선 위로 올립니다. Soft Margin 어느 정도의 오분류는 허용합니다. 그에 따른 P.. 2022. 5. 6. [머신러닝] K-Nearest Neighbors 모델 학습 방법 1. 모델 기반 학습(Model-Based Learning) 데이터로부터 모델을 생성하여 분류/예측 진행 ex) Linear Regression, Logistic Regression 2. 사례 기반 학습(Instance-Based Learning) 별도의 모델 생성 없이 인접 데이터를 분류/예측에 사용 Lazy Learning 모델을 미리 만들지 않고, 새로운 데이터가 들어오면 계산을 시작 KNN, Naive Bayes KNN K 개의 가까운 이웃을 찾는다. 학습 데이터 중 K개의 가장 가까운 사례를 사용하여 분류 및 수치 예측 새로운 데이터를 입력 받음 모든 데이터들과의 거리를 계산 가장 가까운 K개의 데이터를 선택 K개 데이터의 클래스를 확인 다수의 클래스를 새로운 데이터의 클래스로 .. 2022. 5. 6. [머신러닝] Naive Bayes 확률의 개념 특정한 사건이 일어날 가능성을 이야기합니다. 조건부 확률 어떤 사건 A가 일어났을 때, 다른 사건 B가 발생할 확률 ex) 어제 비가 왔는데, 오늘 비가 올 확률 독립 조건부 독립 사건 C가 일어났을 때 서로 다른 사건 A, B가 독립일 때 베이즈 정리 위의 데이터가 있다고 가정해봅시다. 여기서 이 길 확률과 질 확률 각각 구하면 여기서 fast와 slow의 확률을 또 구하면 이제 조건부 확률로 Y가 win일 때 X가 fast일확률과, Y가 win일때 X가 slow일 확률 각각 구하면 조건부 확률로 Y가 lose일 때 X가 fast일확률과, Y가 lose일때 X가 slow일 확률 각각 구하면 이제 모든 조건부 확률을 구했으니 베이즈 정리를 이용하여 Fast의 결과를 예측해봅시다. X가 Fas.. 2022. 5. 6. 이전 1 2 3 다음
