Lab & Research/Artificial intelligence9 머신러닝 알고리즘 - Logistic Regression Logistic Regression [ 비 선형 회귀 ] Linear Regression은 연속형 변수 예를 들어, 주택 가격이나 온도와 같은 연속적인 값을 예측하는데 사용되었다면 Logistic Regression은 불연속적인 데이터 주로 이진 분류 문제에 사용된다. 이진 분류 문제 ? 주어진 입력 변수에 대해 두 개의 클래스 중 하나에 속할 확률을 예측하는 것을 목표로 한다. 예를 들어, 이메일이 스팸인지 아닌지를 예측하는 데 사용된다. 범주형 데이터와 선형 회귀 단순 선형 회귀의 예측 범위가 -inf ~ inf 에 반해 범주형 데이터인 경우 정답의 범위가 0과 1사이 0과 1사이를 벗어나는 예측은 예측의 정확도를 낮추게함 따라서 예측의 결과가 0과 1사이에 위치해야 함 Logistic Regress.. 2023. 12. 18. 머신러닝 알고리즘 - Linear Regression 1. Linear Regression 예측 값을 직선으로 표현하는 모델 예측값 = 편향 + { 계수 * 입력값 } 회귀 직선으로 나타낼 경우, x값의 증감에 따라 예측 값이 증가하는 정도를 알 수 있어서, 해석하기에 용이함 선형 회귀의 평가 실제 값과 예측 값의 차이가 작은 직선이 데이터를 더 잘 표현한다고 할 수 있다. 1. 평균제곱오차-MSE ( Mean Squared Error ) 실제값과 예측값의 차이를 제곱한 후 평균화함 예측값과 실제값 차이의 면적의 평균과 같음 특이값이 많이 존재할 수록 수치가 많이 늘어난다. 2. 평균절대오차 MAE는 예측값과 실제값 간의 절대적인 차이를 나타냄 각 데이터 포인트에서 예측값과 실제값의 차이를 모두 더하고, 그 값을 전체 데이터 포인트 수로 나누어 구함. MA.. 2023. 12. 17. Genetic Alogorithm 의 주요 이슈 Linkage Problem Linkage는 유전 알고리즘에서 개체의 유전 정보를 표현하는 방식을 조작하는 기법입니다. 여기서 유전자가 같은 염색체에 위치하고 있을 때, 그 유전자 간의 링크되어 있다고 할 수 있습니다.보통 특정한 특징이나 구조를 나타내는 개체들의 집합이 있을 때, 이들 간의 연결 정보를 유지하면서 유전 알고리즘을 수행하고자 할 때 Linkage를 활용합니다. 이를 통해 유전자들 간의 관련성을 고려하면서 탐색 공간을 줄일 수 있으며, 최적해를 더 빠르게 찾을 수 있을 수 있습니다. 두 유전자 간 거리가 가까울수록 더 강한 링크를 지니고 있다 할 수 있고 일반적으로 거리에 의해 Linkage 강도가 결정됩니다. Linkge란 유전자가 같은 염색체에 위치하고 있을 때, 그 유전자 간의 링크.. 2023. 6. 19. Genetic Alogorithm 기초 1. Encoding 인코딩은 실제 해결해야할 문제를 어떤식으로 chromosome하게 나타내는지에 대해서 다룹니다.즉, GA에서 사용할 각 solution으로 어떻게 변환하여 나타낼지에 대한 문제로, 다양한 이슈들을 겪습니다. ※ 표현 체계에 대한 문제 – Binary vs k-ary Binary encoding은 각 gene이 0 또는 1의 값을 가지는 것을 의미하며, 다양한 문제에 유용하게 사용됩니다. 하지만 해결해야 할 문제에 따라서는 k-ary encoding(각 gene이 k 개의 값을 가지는 것)도 적용할 수 있습니다. 예를 들어, 문제에 따라 3 개 이상의 선택지가 필요한 경우 k-ary encoding을 사용할 수 있습니다. 먼저, decimal notation(10진법)으.. 2023. 5. 21. 이전 1 2 3 다음 반응형
