rubus0304 님의 블로그

[Python] 머신러닝 빌드업 - 1회차 1) 머신 러닝에 대한 정의  머신 러닝은 데이터를 활용하여 작업의 성능을 향상하기 위해 모델(머신)을 학습해나가는 과정  딥 러닝 → 머신 러닝 → AI 순으로 그 개념의 범위가 넓어집니다.AI: 마치 인간처럼 학습 및 추론을 할 수 있도록 만들어진 프로그램머신 러닝: 데이터를 활용해 명시적으로 프로그래밍되지 않고도 학습할 수 있는 알고리즘딥 러닝: 머신 러닝의 종류 중 하나로 인공 신경망을 이용해 거대한 데이터셋을 학습하는 방법 2) 빅데이터와 머신 러닝빅데이터란?말 그대로 과거와는 비교가 안되는 엄청난 규모의 데이터를 칭하는 용어3) 통계학과 머신 러닝통계학: 표본에서 모집단의 특성을 추론하는 것이 중점입니다.내가 수집한 데이터가 모집단을 얼마나 잘 반영하..

통계와 머신러닝 01. 통계와 머신러닝의 관계성     두가지의 방법론은 상호보완적이라고 이해해주시면 좋겠습니다. 🙂통계적 가설검정이 머신러닝을 보완하는 경우머신러닝 모델의 피처 선택(컬럼 선택)에서 유의미한 변수를 찾기 위해 통계적 가설검정 사용데이터 분포, 이상치 처리 등 데이터 전처리에 유용한 통계적 기법을 제공머신러닝이 가설검정을 보완하는 경우비선형 데이터의 관계를 처리링하거나 대규모 데이터에서 가설 검정의 한계를 보완예를 들어, 통계적 가설검정은 변수 간 독립성을 가정하고 진행되지만, 머신러닝은 이러한 제약 없이 상관 및 연관성을 탐지합니다.두가지 방법론의 융합(심화 프로젝트에서 해야 하는 부분)통계적 가설검정을 사용해 데이터 탐색 및 초기 분석을 수행한 후, 머신러닝을 통해 예측 성능을 극대..