데이터마이닝 첫걸음

회귀는 어렸을 때 수학 과목으로 회귀식을 많이 풀어보았기에 익숙한 친구이다. 대다수 기계적으로 답을 풀어왔을텐데 이제… 더 보기 »선형 회귀 (Linear Regression)

의사결정 나무(Decision Tree) 구현 시 과적합(overfitting, 오버피팅) 문제를 해결하기 위한 가지치기(pruning) 방법에 대해 알아보자. ■… 더 보기 »분류(Classification) – 의사결정 나무(Decision Tree) 3편

이번 글에서는 의사결정 나무(Decision Tree)를 구현할 때 최적의 분리(split)을 찾는 방법과 불순도를 평가하는 지니 계수와… 더 보기 »분류(Classification) – 의사결정 나무(Decision Tree) 2편

지난 글에서 다룬 kNN, Rocchio, Naive Bayes는 분류(Classification) 중에서도 게으른 모델(lazy model)에 해당한다. 오늘 다룰… 더 보기 »분류(Classification) – 의사결정 나무(Decision Tree)

지도학습의 대표적인 예시인 분류(Classification)에 대해 알아본다. ■ 분류와 프로그래밍 전통적인 프로그래밍은 사람이 알 수 있는… 더 보기 »분류(Classification) – kNN, Rocchio, 나이브 베이즈

지금까지 알아본 K-Means와 DBSCAN은 비지도학습 + 분할 군집(Partition Clustering)이었다. 이번엔 계층적 군집 분석에 대해 자세히… 더 보기 »클러스터링과 계층적 군집 분석(Hierarchical Clustering)

이번엔 비지도학습의 또 다른 예인 DBSCAN 클러스터링에 대해 알아본다. ■ 밀도 기반의 DBSCAN 클러스터링 DBSCAN의… 더 보기 »클러스터링과 DBSCAN

지난 글에서는 클러스터링의 두 가지 종류(분할 군집과 계층적 군집)와 클러스터링의 활용 분야에 대해 알아보았다. 이번… 더 보기 »클러스터링과 K-Means