[혼공단 5기] 혼공머신 2주차 학습 인증

기본 미션 : 3-1절 2번 문제 출력 그래프 인증샷

완료!

 

선택 미션 : 모델 파라미터에 대해 설명하기

모델 파라미터

• 사용자가 입력한 값이 아니라, 훈련 과정에서 모델이 학습한 값을 '모델 파라미터'라고 한다.
• 선형회귀 같은 머신러닝 알고리즘은 최적의 모델 파라미터를 찾는 것을 목적으로 한다.
• 이 과정을 보고 '모델 기반 학습'을 한다고 말한다.
• 모델 기반 학습을 하고 나면 모델 파라미터가 해당 모델에 저장된다.
  • ex. 선형 회귀(Linear Regression) 모델에는 모델 파라미터 coef_ 와 intercept_ 가 저장된다.

from sklearn.linear_model import LinearRegression
lr = LinearRegression()
lr.fit(train_input, train_target)
print('모델 파라미터 : ', lr.coef_, lr.intercept_)

 

+) 하이퍼파라미터

• 모델이 학습하는 값이 아니라, 사용자가 지정해야하는 값을 '하이퍼파라미터'라고 한다.
  • ex. 릿지(Ridge), 라쏘(Lasso) 모델의 객체를 만들 때, 하이퍼파라미터 alpha 를 지정해서 규제 강도를 조절할 수 있다.

from sklearn.linear_model import Ridge
ridge = Ridge(alpha = 0.1) # 하이퍼파라미터 alpha
ridge.fit(train_scaled, train_target)
print('훈련 세트 점수: ', ridge.score(train_scaled, train_target))
print('테스트 세트 점수: ', ridge.score(test_scaled, test_target))

 

혼자 공부하면서 정리하기

3-1절

Google Colaboratory

 

3-2절

Google Colaboratory

 

3-3절

Google Colaboratory

 

메모

• 코랩에 결정계수 공식을 적고 싶어서 찾아보다가, TeX문법과 LaTeX를 알게되었다! 
• 보고서나 과제 같은 거 작성할 때 유용하게 쓸 수 있을 것 같다.

와!

 

+ 이 책을 이용하여 "혼공머신 기반 학습"을 했습니다 😎

www.aladin.co.kr/shop/wproduct.aspx?ISBN=K052736813&start=pnaver_02

혼자 공부하는 머신러닝 + 딥러닝