반응형
250x250
Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
Tags
- 서브쿼리
- 코딩
- 윈도우함수
- 판다스
- CSS
- 파이썬
- 코딩공부
- 메소드
- 오늘도코드잇
- 다항회귀
- 경사하강법
- for반복문
- 코딩독학
- 나혼자코딩
- 코드잇 TIL
- SQL
- matplotlib
- Seaborn
- 코드잇
- 머신러닝
- sql연습문제
- 결정트리
- numpy
- 코드잇TIL
- pandas
- HTML
- 데이터분석
- 로지스틱회귀
- 행렬
- 선형회귀
Archives
- Today
- Total
목록분산 (1)
Coding Diary.
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/JMqHF/btsudQIic1V/oUlpu4sa8CBcys2vJUZSWk/img.png)
머신 러닝 모델이 정확한 예측을 못하는 경우가 많습니다. 이런 문제를 어떻게 해결하는지 알아보겠습니다. 1. 편향 사람의 키를 이용해서 몸무게를 예측하고 싶다고 해봅시다. 선형 회귀를 사용해서 training 데이터에서 위와 같은 관계라고 해봅시다. 위의 선이 과연 몸무게와 키의 관계를 잘 표현하고 있을까요? 뒤의 데이터를 살펴보면 어느 정도까지는 키가 늘어날 때 몸무게가 같이 늘어나지만, 일정 키 부터는 몸무게가 잘 안 늘어납니다. 따라서 아래와 같은 곡선이 데이터를 더 정확하게 표현합니다. 처음에 본 직선 모델의 문제는 모델이 너무 간단해서 아무리 학습을 해도 위와 같은 곡선 관계를 나타내지 못한다는 것입니다. 모델에 한계가 있는 것입니다. 모델이 너무 간단해서 데이터의 관계를 잘 학습하지 못하는 경..
Coding/Machine Learning
2023. 9. 18. 09:18