와인 측정 데이터 (Wine Quality Data Set) · 포르투갈(Portugal) 서북쪽의 대서양을 맞닿고 위치한 비뉴 베르드(Vinho Verde) 지방에서 만들어진 와인을 측정한 데이터입니다. · 레드와인 샘플 1,599개를 등급과 맛, 산도를 측정해 분석하고 화이트와인 샘플 4,898개를 동일방식으로 분석한 데이터를 제공합니다. https://archive.ics.uci.edu/ml/datasets/wine+quality https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/ index 속성 1 fixed acidity 주석산 농도 2 volatile acidity 아세트산 농도 3 citric acid 구연산 농도 ..

붓꽃(Iris sanguinea) · ≒ 아이리스 · 꽃봉오리가 마치 먹물을 머금은 붓과 같아서 ‘붓꽃’이라고 불리고 있습니다. · 꽃잎의 모양과 길이에 따라 여러 가지 품종으로 나뉘어집니다. https://ko.wikipedia.org/wiki/%EB%B6%93%EA%BD%83 https://namu.wiki/w/%EB%B6%93%EA%BD%83 https://en.wikipedia.org/wiki/Iris_(plant) Iris setosa https://www.google.co.kr/search?q=Iris+setosa&lr=&hl=ko&source=lnms&tbm=isch&sa=X&ved=0ahUKEwj-tbX-h6DSAhVDy7wKHQEnDBsQ_AUICCgB&biw=1015&bih=867#im..

데이터 탐색 · 기계 학습의 첫 단계는 데이터를 이해하는 것입니다. · 머신러닝이 없이도 풀 수 있는 문제는 아닌지, 혹은 필요한 정보가 누락되지는 않았는지 데이터를 조사할 수 있습니다. · 데이터를 탐색하면서 비정상적인 값이나 특이한 값들을 찾을 수도 있습니다. · 데이터의 특징은 값의 최소, 최대, 평균 등의 기술 통계를 구해보거나 데이터를 시각화해 이해할 수 있습니다. 데이터 탐색 방법 · 산점도등 시각화를 통해 데이터를 조사 할 수 있습니다. · 데이터에 대한 간략한 분포 정보를 알려주는 함수, 기술 통계 정보를 알려주는 함수를 사용하여 데이터 탐색을 할 수 있습니다. · https://codedragon.tistory.com/6993

과적합 판단 특정케이스가 아닌 일반적인(general) 결과가 나오도록 해야 합니다. · 모델 비교 · 모델의 복잡성에 따른 오류 발생 빈도 모델 비교 검정색 점들이 있을 때, 그 점들을 대표하는 곡선을 추정하는 경우로 동일한 학습 데이터로 학습된 3개의 모델 비교해 보겠습니다.

역전파 알고리즘(back-propagation Algorithm) · ≒ 오류 역전파 알고리즘(Error Back Propagation) · ≒ 오차 역전파 · "역전파"를 통해 "역방향으로 에러를 전파(backward propagation of error)" 시키면서 최적의 학습 결과를 찾아가는 것이 가능해졌습니다. · 인공신경망모형에서의 학습과정에서 가중치를 갱신하는데 사용되는 대표적인 알고리즘입니다. · 역전파 알고리즘은 홉필드(Hopfield)가 개발한 것으로, 이 알고리즘의 개발로 인해 신경망 모델이 널리 사용되게 되었습니다. · 최적의 학습 결과를 갖는 신경망을 설계하려면, 역전파(back-propagation)와 gradient-descent 방법을 사용해야 합니다. · 역전파 개념은 입력이..

표준 편차(Standard deviation) · ≒ 샘플 표준편차(sample standard variance)· 분산에 루트를 씌운것· 분산의 양의 제곱근 값· s 이라고 표시합니다. http://bit.ly/2ybB0jxhttps://en.wikipedia.org/wiki/Standard_deviation