기계학습 분류모형

기계학습 분류모형

https://gallery.azure.ai/

manufacturing, retaul

demand forecasting and price optimization

예제가 많이 나와있음

ms 에서 검토한거라 신뢰 가능

분류 모형

> 유클리드 거리 vs 맨헤튼 거리

- 유클리드 거리 (Euclidean Distance) 요걸자주 씀

- 거리 구할때 data type만 다르지 않으면 됨

> KNN

- Bayes Classifer 의 한 종류

- K - Nearest Neightbor

> 나이브 베이즈 분류기

> 베이즈 정리 활용

> Conditional independence assuumption : Feature 끼리는 서로 독립

> popular generative model !

> ANN (인공신경망) , Artificial Neural Network

- 생물학의 신경망을 모사한 학습 알고리즘

- 뉴런을 모방한 노드들이 각각 Input Layer, Hidden Layer, Output Layer 로 구분되며 데이터를 입력받아 변환하여 원하는 결과로 출력하는 네트워크 구축

- 예측 성능이 우수하다고 알려진 반면 , 모형을 직관적으로 이해하기가 어려움

- ANN Step by Step

- overfitting 이슈

- 딥러닝 =black box model or out of box

- 다층 퍼셉트론 : 비선형 분류 가능

> 인공신경망 구성 요소

- Node , Weight , bias , 활성화 함수

- 가중치로도 설명이 안되는 부분을 bias로

> 자주쓰는 활성화 함수

- Sigmoid

출처 : 위키백과

- ReLU Function (Rectified Linear Unit)

> 가중치 찾기 (가중치가 제일 중요하다 )

* Epoch (에포크) : Forward Propagation + Back pROPAGATION

* 모형의 오차 : Classification vs regression (난이도는 regression이 더 어렵다)

* 하이퍼파라미터 : 학습율(Learning rate), 모멘텀 파라미터, 은닉층과 노드의 수, 미니배치 크기, 학습율 감쇠 정도, 최적화알고리즘 파라미터 등

* Grid Search : 모든 가능한 하이퍼파라미터의 조합을 체계적으로 하나씩 탐색하는 방식

from http://re-b-iew.tistory.com/9 by ccl(A) rewrite - 2021-11-11 11:26:22