Data Science Diary

안녕하세요! 오늘은~ MAE가 무엇인지, 어떻게 작동하는 건지, 데이터 사이언스에서 왜~ 중요하다~ 중요하다~ 하는지 살펴보겠습니다! 데이터로 작업할 때 모델의 성능을 평가하는 데 사용되는 다양한 메트릭을 아는 것은 중요합니다. 이러한 메트릭 중 하나는 모델의 예측 값과 실제 값 간의 평균 차이를 측정하는 데 사용되는데요, 바로 절대 평균 오차! MAE입니다. 1. MAE란 무엇일까요? 평균 절대 오차인 MAE는 회귀 모델의 성능을 평가하는 데 사용되는 일반적인 메트릭입니다. 모델의 예측 값과 실제 값 사이의 절대 평균 차이를 측정합니다. MAE의 공식을 보면 다음과 같습니다. IS = (1/n) * Σ|i=1에서 n| |yi - ŷi| 여기서 yi는 실제 값, ŷi는 예측 값, n은 샘플 수입니다. 2..

안녕하세요~ 오늘은! 앙상블 방법으로 머신 러닝 모델의 정확성을 개선하는 방법을 알아보려고 합니다. 앙상블 방법이 무엇인지, 어떻게 작동하는지 설명하고 Python 코드 예제로 앙상블을 구현해 보겠습니다. 어설픈 가이드지만 머신 러닝 모델을 한 단계 더 업그레이드해서 더 나은 결과를 얻을 수 있으면 좋겠습니다 ^v^ 앙상블 방법은 머신 러닝에서 여러 모델의 예측을 결합해서 모델의 성능을 향상시키는 데 사용되는 중요한 기술이에요. 이 방법은 모델의 정확도를 높이고 일반화를 향상시켜서 실제 응용 프로그램에서 더 안정적으로 만들 수 있습니다. 앙상블 방법에는 여러 가지 유형이 있습니다. 1. 배깅(Bagging): 배깅은 데이터의 서로 다른 하위 집합에 대해서 훈련된 여러 모델을 생성하고 과적합이나 분산을 줄..

안녕하세요!! 오늘은 그리트 탐색(grid search)에 대해서 정리해 보려고 합니다. ML 모델에는 데이터에서 학습할 수 없는 설정인 하이퍼파라미터가 필요하고, 모델을 훈련시키기 전에 설정을 해야 해요. 모델에 맞는 최적의 하이퍼파라미터를 찾는 것은 목표 성능을 달성하는 데 매우 중요하기 때문이죠! 그렇지만.. 가짓수가 너무 많기 때문에 최고의 하이퍼파라미터를 찾고 결정하는 것이 어렵습니다. 이런 문제를 해결할 수 있는 방법 중 하나는 그리드 탐색(grid search)를 사용하는 것입니다! Grid Search가 무엇일까요? 그리드 서치는 각 하이퍼파라미터에 대해 가능한 값 범위를 정의하고 모든 가능한 조합의 그리드를 생성하는 유명한 하이퍼파라미터 튜닝 기술입니다. 그리드 서치는 validation..