# machine learning
"South German Credit Data Set"을 이용한 분류 분석
데이터 출처The widely used Statlog German credit data, as of November 2019, suffers from severe errors in the coding information and does not come with any
[머신러닝] PCA
단순히 주성분 분석이라기보다는 주성분이 될 수 있는 형태로 내가 가지고 있는 기존 데이터에 어떤 변환을 가하는 것, 내가 가지고 있는 데이터에 어떤 기준에 의해서 어떤 변환이 생기게 되고 그 변환으로 인해 주성분이 추출됨, 원래 변수가 가지고 있는 의미, 즉 열의 의미
선형 분류와 회귀
선형회귀(Linear regression) 학습과정 임의의 파라미터 값을 설정해서 선형모델을 가정한다. train data로 학습한다. loss, cost를 사용해서 MSE를 구한다. ...
[머신러닝] Data Scaling 데이터 스케일링
(주절주절) 열심히 정리하다가 ctrl+s를 눌렀어야 했는데 w를 눌렀나... 그러니 창이 꺼졌다. 임시저장도 안되어 있고... 어제는 서버에서 폴더명 바꾸려고 뒤에 ~ 붙이고 엔터치니 폴더가 숨겨져서 다른 분이 도와주셨다... 무튼 나중에 나중에... -2022.06
[머신러닝] K-Means/K-평균 알고리즘
비슷한 특성을 지닌 데이터들끼리 묶어 K개의 군집으로 군집화각 군집의 평균(mean)을 활용하여 K개의 군집으로 묶음군집의 중심점을 centroid라고 함 1) 군집수 K 설정하기K-Menas 알고리즘의 한계점 중 하나는 군집의 개수 설정을 어떻게 하느냐에 따라 결과가
[머신러닝] 적정 군집수(k) 찾기 - Inertia value, 실루엣(silhouette) 계수
KMeans 군집화 알고리즘을 사용할 때 고민이 필요한 부분 중 한 가지, 군집수(클러스터 수) k 결정. 군집분석은 비지도학습 방법 중 하나이고, 비지도학습에서는 보통 타겟값 혹은 목표값이 없는 데이터를 사용하기 때문에 군집화가 잘 되었는지, 혹은 적정 클러스터(군집
Continual Learning Dialogue System
기존의 머신러닝은 격리된(isolated) 단일 작업 학습의 방식이다. 하지만 이 방법은 적용시에 새롭거나 예상치 못한 것이 없고, 고립된 학습이다보니 지식 축적이나 이전이 불가능하다. 또한 배포 후에 모델이 수정되지 않아 학습이나 적응을 하지 못한다. 따라서 모델을
ML 1: Overview
Overview: AI, Machine Learning, Data Science Above is the venn diagram for the relationships between AI, ML, DeepLearning. As you can see, Artificia
[XAI] 3. XAI 관련 데이터
Interpretable Machine Learning:A Guide for Making Black Box Models Explainable (2nd ed.)을 읽고 정리한 내용입니다.이 데이터는 워싱턴 D.C.에 있는 Capital-Bikeshare이라는 자전거 대여
[XAI] 2.5 인간 친화적 설명(Human-friendly Explanations)
사람들이 "좋은" 설명이라고 하는 것은 무엇인지, 그리고 해석할 수 있는 인공지능이 담고 있는 의미는 무엇인지 좀 더 자세히 알아보고자 합니다. 인문학에 대한 연구가 이에 대한 답을 찾아내는데 도움이 될 수 있을 것이며, Miller(2017)는 여러 설명 방법론들에
[XAI] 2.4 좋은 설명의 속성(Properties of Explanations)
인공지능 모델에 대해 설명을 하기 위해서는, 설명을 생성하는 알고리즘을 설명하는 방법이 필요합니다. 설명의 유형 중 하나는 1) 대개 하나의 인스턴스의 특성값을 사람이 이해할수 있는 방법으로 특성값의 모델 예측과 연관시키는 것입니다. 다른 유형의 설명은 2) 하나의 데
[ML] Scikit Learn 모델에서 std. error, t-value, p-value 구하기
Scikit-learn ML model에서 statistics 정보 구하기
머신러닝 핵심 요약 (Introduction)
머신러닝을 공부하기 시작하면, 여러가지 용어들이 정확히 무엇을 지칭하는 것인지 헷갈릴 수 있다. 이러한 용어들을 정리하고, 머신러닝 모델들을 배우기 위한 사전지식들도 간략하게 핵심들로 정리해 보았다.
[XAI] 2.3 해석의 범위(Scope)와 평가(Evaluation)
알고리즘을 통해 모델이 학습을 하며 예측 결과를 도출합니다. 특정한 모델에 대해 투명성(Transparency)와 해석력(Interpretability)의 관점에서 다음과 같은 범위로 평가할 수 있습니다.알고리즘은 어떻게 모델을 생성하는가?알고리즘 투명성(Algorit
[XAI] 2.2 해석 가능 방법론의 분류(Taxonomy)
해석 가능한 인공지능의 방법론은 다양한 기준에서 분류될 수 있습니다. 이 분류는 해석 가능한 방법론의 적용 시점에 따라 구분됩니다. 모델의 종류에 따라 변수를 줄임으로써 복잡도(Complexity)를 제한하는 방식인 사전해석법(Intrinsic)과 학습이 끝난 모델을
