• 검색

  • 글작성
  • 방명록
  • 환경설정
  • 메뉴 닫기
데이터 사이언스 사용 설명서
CATEGORY
  • 데이터 사이언스 사용 설명서 (341)
    • 데이터사이언스 정보 (4)
    • 소개 및 연구분야 (4)
      • 김민재 - NeuroScience (1)
      • 차준영 - 홀로그램 (0)
      • 최선안 - Domain Adaptation (0)
      • 한주혁 - NeuroScience (3)
    • 데이터 분석 & 시각화 (65)
      • Crawling (5)
      • Numpy (3)
      • SQL (3)
      • Tableau (2)
      • OpenCV (44)
      • Pandas (8)
    • 기계학습 (41)
      • Kaggle (4)
      • Machine Learning (37)
    • 딥러닝 (64)
      • Deep Learning (10)
      • 컴퓨터비전 (5)
      • 자연어처리 (16)
      • 추천시스템 (3)
      • 시계열 (27)
    • 컴퓨터 공학 (32)
      • 자료구조 (28)
      • 알고리즘 (0)
      • 컴퓨터 네트워크 (0)
      • 운영체제 (2)
      • 클라우드 컴퓨팅 (2)
    • 버전 관리 (11)
      • Django (1)
      • git & github (10)
    • 기타 정보 (10)
      • 기업 분석 (0)
      • Django (0)
      • 삼성 SDS Brightics (0)
      • 오류 코드 해결 모음 (10)
    • Algorithm 문제 풀이 (7)
      • 문제풀이 (7)
      • 알고리즘 (0)
    • Programming Language (12)
      • python (4)
      • R (7)
      • C, C++ (1)
    • 데이터 사이언스 메뉴얼 (49)
      • python (5)
      • numpy (4)
      • pandas (10)
      • data visualization (4)
      • Crawling (2)
      • National Language Processin.. (4)
      • Object classification (8)
      • Machine Learning (9)
      • Deep Learning (1)
      • 데이터사이언스 정보 (1)
    • 기타 (21)
      • ADsP (데이터분석준전문가) (8)
      • 기업분석 (3)
      • 컨퍼런스 후기 (1)
      • HTML (준영) (0)
      • Slack Trading Bot (준영) (5)
    • 삼성 SDS Brightics (20)
VISITOR 오늘 전체
  • 글쓰기
  • 환경설정
  • 로그인
  • 로그아웃
  • 취소

voting 검색 결과

해당 글 1건
[파이썬 머신러닝 완벽가이드] : 사이킷 런 앙상블 러닝 ( Voting / Bagging )

앙상블 러닝 앙상블 러닝이란 무엇인가? 간단하게 얘기해서, 여러 약한 학습기들을 모아 학습 / 예측을 실시하고, 그 예측을 결합하여 더욱 정확한 최종 예측을 산출하는 기법을 의미한다. 굳이 왜 이렇게 하는 것일까? 이전에도 얘기했듯이, 모든 머신러닝 알고리즘의 가장 큰 고민 중 하나는 과적합(Overfitting)이다. 이 문제는 ML 알고리즘이 세부적으로 학습을 진행할수록 과적합이 심각해진다. 하지만, 이렇게 하지 않으면 알고리즘의 예측 성능이 떨어지는 과소적합 현상이 발생한다. 그러므로, 과적합이 일어나지 않게 하기 위해 약한 학습기로 학습을 진행하고, 하나가 아닌 여러개의 학습기들의 예측을 결합함으로써 집단 지성처럼 예측 성능이 향상되는 모습을 보인다. 이렇게 과소적합 문제까지 해결한다. 또한, 여..

기계학습/Machine Learning 2020. 8. 19. 15:23
  • 이전
  • 1
  • 다음

CATEGORY

  • 데이터 사이언스 사용 설명서 (341)
    • 데이터사이언스 정보 (4)
    • 소개 및 연구분야 (4)
      • 김민재 - NeuroScience (1)
      • 차준영 - 홀로그램 (0)
      • 최선안 - Domain Adaptation (0)
      • 한주혁 - NeuroScience (3)
    • 데이터 분석 & 시각화 (65)
      • Crawling (5)
      • Numpy (3)
      • SQL (3)
      • Tableau (2)
      • OpenCV (44)
      • Pandas (8)
    • 기계학습 (41)
      • Kaggle (4)
      • Machine Learning (37)
    • 딥러닝 (64)
      • Deep Learning (10)
      • 컴퓨터비전 (5)
      • 자연어처리 (16)
      • 추천시스템 (3)
      • 시계열 (27)
    • 컴퓨터 공학 (32)
      • 자료구조 (28)
      • 알고리즘 (0)
      • 컴퓨터 네트워크 (0)
      • 운영체제 (2)
      • 클라우드 컴퓨팅 (2)
    • 버전 관리 (11)
      • Django (1)
      • git & github (10)
    • 기타 정보 (10)
      • 기업 분석 (0)
      • Django (0)
      • 삼성 SDS Brightics (0)
      • 오류 코드 해결 모음 (10)
    • Algorithm 문제 풀이 (7)
      • 문제풀이 (7)
      • 알고리즘 (0)
    • Programming Language (12)
      • python (4)
      • R (7)
      • C, C++ (1)
    • 데이터 사이언스 메뉴얼 (49)
      • python (5)
      • numpy (4)
      • pandas (10)
      • data visualization (4)
      • Crawling (2)
      • National Language Processin.. (4)
      • Object classification (8)
      • Machine Learning (9)
      • Deep Learning (1)
      • 데이터사이언스 정보 (1)
    • 기타 (21)
      • ADsP (데이터분석준전문가) (8)
      • 기업분석 (3)
      • 컨퍼런스 후기 (1)
      • HTML (준영) (0)
      • Slack Trading Bot (준영) (5)
    • 삼성 SDS Brightics (20)

RECENTLY

  • 최근 글
  • 최근 댓글

최근 글

최근댓글

태그

  • 딥러닝
  • 삼성SDS
  • 파이썬
  • 판다스
  • pandas
  • web programming
  • Computer Vision
  • opencv
  • python library
  • Machine Learning
  • python
  • DataFrame
  • 시계열 분석
  • 머신러닝
  • 브라이틱스서포터즈
더보기+

VISITOR

오늘
어제
전체
Powered by Privatenote Copyright © 데이터 사이언스 사용 설명서 All rights reserved. TistoryWhaleSkin3.2

티스토리툴바