proba, 로지스틱 회귀
import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.neighbors import KNeighborsClassifier import numpy as np fish = pd.read_csv('https://bit.ly/fish_csv_data') fish.head() print(pd.unique(fish['Species'])) #species 열만 출력 #데이터 준비 fish_input = fish[['Weight', 'Length', 'Diagonal', 'Height', 'Width']].to_numpy() #원하는..
머신러닝/혼자공부하는머신러닝
2022. 8. 25. 18:16
회귀와 분류 차이
회귀 회귀는 예측하고자 하는 타겟값이 실수인 경우에 사용한다. 선형 회귀를 통한 대상의 길이 예측, 예상 거래량, 대상이 참일 확률 등과 같이 결과값이 연속성을 지닌 경우에 사용한다. 분류 분류는 예측하고자 하는 타겟값이 범주형 변수인 경우에 사용한다. 연속성을 지니지 않고 이산값을 가진다. 0 과 1로 처리할 수 있는 값을 의미하고, 참/거짓, 여러 대상 중 하나의 타겟으로 분류하는 등에 사용한다. 분류는 이진 분류와 다중 분류가 있는데 이진 분류는 0 or 1로 분류하는 것이고, 다중 분류는 여러 대상 중 하나로 분류하는 것이다.
머신러닝
2022. 8. 25. 13:47
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 단순선형회귀
- automotive
- 논문 잘 쓰는법
- HTML
- 크로스 엔트로피
- AVB
- 딥러닝
- Ethernet
- PCA
- 회귀
- cuckoo
- problem statement
- 이상탐지
- one-to-many
- CAN-FD
- SVM
- 차량용 이더넷
- Python
- 케라스
- many-to-one
- SOME/IP
- 차량 네트워크
- json2html
- AE
- porks
- 머신러닝
- AVTP
- automotive ethernet
- 로지스틱회귀
- many-to-many
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
글 보관함