강화 학습(RL; Reinforcement Learning) · 현재의 상황(상태; State)을 보고 어떤 행동(Action)을 하면 어떤 보상(Reward)을 받을지 예측하여 좋은(Positive) 보상을 받는 쪽으로 행동하는 학습 방법입니다. · 자신과 환경과의 상호 관계에 따라 자신의 행동을 개선해 나가는 학습법, 어떤 환경에서 보상을 최대로 하는 행동을 선택하는 방법입니다. · 강화라는 말을 사용한 이유는 상과 벌이라는 보상을 통해 '현재의 행위의 그 방향'으로 혹은 '반대방향'으로 그 행위를 강화하는 학습 방법으로, 상을 최대한 많이 받을 수 있는 방향으로 학습하는 방법입니다. · 입력에 대한 출력과 점수를 통해 학습합니다. 학습에 의해 답이 정해지는 것이 아니라 모르는 환경에서 보상 값(Re..

재현율(Recall) & 정밀도(Precision) 예시 재현율(Recall) 계산 지표 계산값 재현율(Recall) = 민감도(Sensitivity) = TPR 5/8=0.625 정밀도 (Precision) 5/7=0.7143 정밀도(Precision) 계산 지표 계산값 재현율(Recall) = 민감도(Sensitivity) = TPR 5/8=0.625 정밀도 (Precision) 5/7=0.7143

집합(set) 순서가 중요하지 않은 숫자들을 집합으로 나타냅니다.

탐색적 데이터 분석(Exploratory data analysis) · 데이터 집합이 실제로 어떤 정보를 포함하고 있는지를 파악하는 것에 중점을 두고 통계기법등을 통해 데이터 집합의 주요 특징을 얻어내는 방식을 말합니다. · 탐색적 데이터 분석은 통계와 머신러닝을 포함합니다. · 통계와 머신 러닝의 경계가 모호하지만 분명한 교집합이 있기때문에, 데이터분석은 통계분석과 기계학습으로 분류해 볼 수 있습니다.

퍼셉트론 한계점 2 · XOR 분류 해결 불가능합니다. XOR을 학습할 수 없습니다. (XOR problem) · 퍼셉트론의 한계를 해결한 것이 Multi-layer Perceptron입니다.

메달 현황 그래프 그리기 나라별 메달 그래프를 시각화 코드 예시입니다. # 작업폴더 지정 > olympic # 데이터 확인 > olympic$대한민국 [1] 9 3 9 > > olympic$이탈리아 [1] 8 12 8 > # 나라별 바그래프 출력 > barplot(olympic$일본) > > olympic 미국 영국 중국 러시아 독일 일본 프랑스 대한민국 이탈리아 호주 1 46 27 26 19 17 12 10 9 8 8 2 37 23 18 18 10 8 18 3 12 11 3 38 17 26 19 15 21 14 9 8 10 > # 모든 나라의 바 그래프 출력 # ylim=c(0,50) : y축이 최대값이 46이므로 ㅇ를 표현하기 위해 50으로 값 설정 > legend(35,40,c("금","은","동"..