Machine Learning 39

• PCA, t-SNE, LDA으로 알아보는 차원 축소 Sep 8, 2023
• 군집 분석 (2) (Clustering) Aug 19, 2021
• Numerical and Categorical Features의 Clustering 방법 Jun 6, 2021
• IBM HR Data로 해보는 퇴사자 예측 Jun 2, 2021
• Mahotas로 해보는 비슷한 이미지 찾기 Oct 26, 2020
• Good Books 데이터로 해보는 추천 시스템(Recommendations) Oct 26, 2020
• 서프라이즈(Surprise)를 사용한 추천시스템(Recommendations) Oct 26, 2020
• 영화데이터로 해보는 추천 시스템(Recommendations) Oct 25, 2020
• 타이타닉 데이터로 해보는 PCA와 kNN Oct 24, 2020
• 강아지와 고양이 분류기 on PCA Oct 23, 2020
• MNIST로 해보는 PCA와 kNN Oct 23, 2020
• HAR로 해보는 PCA Oct 23, 2020
• kNN(k Nearest Neighber) Oct 23, 2020
• Eigenface로 해보는 PCA Oct 23, 2020
• 아이리스 데이터와 와인데이터로 해보는 PCA Oct 23, 2020
• 신용카드 부정 사용자 데이터로 해보는 부스팅 Oct 23, 2020
• HAR 데이터로 해보는 GBM, XGBoost, LightGBM Oct 23, 2020
• 와인데이터로 해보는 부스팅 알고리즘(Boosting Algorithm) Oct 23, 2020
• Mall Customer Segmentation Data로 해보는 군집화 Oct 22, 2020
• 클러스터링(Clustering) Oct 21, 2020
• 네이버 영화 평점을 이용한 감성 분석 Oct 21, 2020
• 나이즈 베이즈(Naive Bayes)를 사용한 유사문서와 스팸필터 Oct 19, 2020
• 정밀도(Precision)와 재현율(Recall) Oct 19, 2020
• 시계열 분석의 기초 Oct 19, 2020
• 문장 사이의 거리 Oct 18, 2020
• 머신러닝을 이용한 타이타닉 생존자 예측 Oct 17, 2020
• 앙상블(Ensemble) Oct 13, 2020
• 나이브 베이지안 분류기(Naive Bayes Classifier)으로 해보는 NLTK Oct 13, 2020
• NLTK와 KoNLP로 해보는 WordCloud Oct 13, 2020
• 로지스틱 회귀 (Logistic Regression) Oct 12, 2020
• 프리미어리그 데이터로 알아보는 간단한 선형회귀 Oct 6, 2020
• 선형회귀(Linear Regression)와 Cost Function Sep 23, 2020
• 모델 평가 Sep 22, 2020
• 하이퍼파라미터 튜닝(Hyperparameter Tuning) Sep 21, 2020
• 교차검증(Kfold) Sep 21, 2020
• 파이프라인(Pipeline) Sep 21, 2020
• 스케일러(Scaler) Sep 21, 2020
• 의사결정나무(Decision Tree) -2 Sep 20, 2020
• 의사결정나무(Decision Tree) -1 Sep 20, 2020