50+ days of Machine Learning

 안녕하세요! 오늘은 Day 7입니다! 오늘 굉장히 재미있는 것을 도전했다. Kaggle의 시계열 course에서 배운 것을 튜터리얼 데이터 아니라 다른 데이터를 사용하여 적용해 봤다. 한·미화(韓美貨)의 환율 예측 - 선형 회귀 모델 서울 자전거 대여 수요 예츨 - 선형 회귀 모델 및 계절성 피처  자세한 정보는 위 링크 클리크하여 확인해 주시면 감사하겠습니다. 내용을 요약하자면: 한·미화(韓美貨)의 환율 예측 - 선형 회귀 모델 Kaggle의 시계열 course를 따라 한-미화의 환율 예츨 모델을 구성하고자 한다. 데이터는 누락 데이터를 처리하는 데 interpolate() 사용하고 시각화 좀 하기도 했다. 피처 엔지니어링: lag_1 ( 지연값) 하나만 만들었다.  won_dolla와 관계를 살펴보기 위해 위에 있는 시각화 만들었다. 관계는 이렇게 선형을 따라 lag_1 피처가 won_dollar에 영향을 준다는 뜻이다 모델 구성: 간단한 선형 회귀 모델을 구성한다 모델 평가: R-squared, MSE, MAE를 사용했다 결과: R-squared: 0.9940588280410957 Mean Squared Error: 63.36394443791358 Mean Absolute Error: 4.608992127520536 Homoscedasticity check: 모델 결과는 좋으면서도 피처는 lag_1밖에 안 써서 좋은 모델이 아니라는 것을 잘 알고 있는데 그냥 어제 배운 것을 실제로 적용하도록 했다. 서울 자전거 대여 수요 예츨 - 선형 회귀 모델 및 계절성 피처  서울 자전거 수요 데이터를 활용한 시계열 예측을 살펴봤는데 이 데이터에는 서울에서 대여한 자전거의 일별 및 시간별 정보와 날씨 정보가 포함되어 있다. 목표는 계절성 피처과 휴일 정보를 통합한 기본 선형 회귀 모델을 구성하는 것이었다. Categorical 피처 처리 연습했다 또 시각화 만들어 봤다. Trend 있는지 확인했다 (특별 trend 없음)...

 안녕하세요! 오늘 공부한 거 요약하자면: Yaser Abu-Mostafa  (CalTech 교수)의 머신러닝 강의를 보기 끝냈다 Codecademy의 Master statistics with Python 도 대충 공부했다 첫 번째, Abu-Mostafa 교수님의 나머지 강의를 공부했는데 오늘은 메모도 간단하게 해 봤다 강의 12 - 정규화  강의 13 - 검증 강의 14 - SVM 강의 15 - Kernel methods 이번엔 수학이 너무 많아서 메모 많이 안 했다 강의 16 - Radial basis functions 강의 17 - Three learning principles 강의 18 - 결론 - 교수님이 그냥 강의의 곤텐츠 요약하셔서 메모 안 했다 슬프하게 ~ 강의가 끝났다 ~ 그래도 그런 높은 수준 (caltech 수준)의 강의를 들을 기회가 있어서 기쁘다. 두 번째, 그 Master statistics with Python 거 왜 하냐면 test statistics에 대해 배워 암가해 보기 위해서다. 결국엔 ~ 습득했다 믿고 있다. 앞으로 지식을 활용해야 한다! 또한, 아래 사진도 봤다. 그리고, 챗GPT 통해, 이렇게 간단히 요약했다 오늘 이상입니다. 감사합니다. 내일 뵐게요! 

안녕하세요! 모험을 시작했습니다! 오늘은 기초 머신러닝 지식을 복습해 보도록 했으며 California Institute of Technology의  Yaser Abu-Mostafa 교수님이 진행된 머신러닝 강의를 봤다. 과정은 강의 18개를 포함하며 교수는 가장 유명하고 높이 평가 받는 Yaser Abu-Mostafa이다. 강의는 2012년에 진행했는데도 머신러닝 기초 지식과 기초 개념 배우려면 도움이 될 거 같다. 이 강의를 우연히 찾게 되었는데 첫 강의부터 교수님을 마음에 딱 들어서 계속 봤다. 강의가 굉장히 재미있어서 오늘 1번부터 11번까지 강의를 다 공부했고 내일 끝낼 거 같다. 머신러닝 왕초보 아닌데도 그런 강의가 좋다고 생각한다.  Each lecture was filled with different math functions and math explanations, and the lecturer explained it all very well, step by step, and looking back at it, it seems complicated in the end, but during the lecture the explanations were very clear. 강의 내용이 다음과 같다. 1. 학습 문제 2. 학습이란 것이 가능할까? 3. 선형 모델 I 4. 실수 및 노이즈 5. 훈련 대 테스팅 6. 일반화 이론 7. The VC dimension 9. 선형 모델 Il  - "If you look at linear models, you can think of them as an economic car. They get you where you want to go and they dont consume a lot of gas. You may not be very proud of them, but they actually do the job. It is remarkable how often the...