1. 경사하강법 경사하강법(Gradient Descent)는 함수의 최소값 또는 극소값을 찾기 위한 반복적인 최적화 알고리즘입니다. 쉽게 말하면, 산을 내려가는 가장 빠른 길을 찾는 방법이라고 생각할 수 있습니다. 여기서 산은 최소화하고자 하는 함수를 말합니다. 2. 경사하강법의 단계 임의의 시작점 선택 : 우선 함수의 그래프 상에서 임의의 점을 선택합니다. 이 점은 우리가 최적화를 시작하는 위치입니다. $x_0$ 경사 계산 : 선택한 점에서 함수의 기울기를 계산합니다. 여기서 기울기는 어떤 방향으로 이동하면 함수의 값이 가장 빠르게 감소하는지를 나타냅니다. $$x_{\text{current}}$$ 이동 : 계산된 경사의 반대 방향으로 작은 단계를 이동합니다. 경사가 급한 곳으로 이동하면 함수의 값이 빠..

오늘은 Python Wrapper API & Scikit-Learn Wrapper API 이 두가지에 대해서 알아보고자 합니다. 이 두가지를 이해하는 것은 파이썬에서 머신러닝에 대한 코드를 작성할 때 더 효율적으로 작업하고, 필요에 따라 적절한 도구를 선택하는데 도움이 됩니다. 1. Python Wrapper API Python Wrapper API는 머신러닝 라이브러리의 기본 Python 인터페이스를 의미합니다. 이 API는 라이브러리가 제공하는 원시적이고 강력한 기능에 직접 접근할 수 있게 해줍니다. 사용자는 라이브러리의 세부 설정을 자유롭게 조정할 수 있으며, 복잡한 모델과 알고리즘을 세밀하게 제어할 수 있습니다. 예를 들어, XGBoost 라이브러리의 Python Wrapper API를 사용하면,..

오늘은 학습 모델의 평가 지표로 사용되는 Confusion Matrix를 통해 얻을 수 있는 평가 지표들에 대해서 그리고 Python에서 어떻게 생성할 수 있는지 그리고 어떻게 해석할 수 있는지에 대해서 정리하고자 합니다. 1. Confusion Matrix Confusion Matrix, 혼동 행렬은 학습모델 중에서 지도학습 모델에 대한 이진분류 문제에서 많이 사용합니다. 혼동 행렬은 실제 값과 모델 예측 값을 기준으로 생성되며, 다음 네 가지 요소를 가지고 있습니다 참 양성(True Positive) : 실제 양성을 양성으로 올바르게 예측 거짓 양성(Flase Positive) : 실제 음성을 잘못하여 양성으로 예측 참 음성(True Negative) : 실제 음성을 음성으로 올바르게 예측 거짓 음성..

Pycaret은 머신러닝 워크플로우를 자동화할 수 있는 오픈소스 라이브러리입니다. 요즘 virtualenv 환경에서만 작업을 했기 때문에 conda 환경 다시 익숙하지 않아 졌는데 오늘은 conda로 환경을 설정해보겠습니다. + virtualenv 환경에서는 pycaret이 정상 작동을 안 할 수도 있다고 하기 때문에,,ㅎ 1. 폴더 생성 환경을 만들기 위한 폴더를 생성합니다. 저는 test라는 폴더를 생성했습니다. 2. 아나콘다 프롬프트 실행 후 폴더 찾기 아나콘다 프롬프트를 실행 한 후에 해당 폴더로 이동한다. cmd에서는 ls로 파일들을 조회했지만 conda에서는 dir을 통해서 조회한다. 이를 이용해서 만든 폴더에 접근합니다. 3. conda 가상환경 생성 및 접속 $ conda create --..

merge_gdf=gdf.merge(df,left_on='SIG_KOR_NM', right_on='SGG_NM') 오늘은 미니프로젝트 때 한번 간단하게 다뤄본 gis시각화에 대해서 정리해볼까 합니다. GIS는 지도를 이용한 시각화로 좌표 정보를 제공하는 geojson 파일이 필요하며, 해당 파일은 geopandas를 이용하여 읽을 수 있습니다. 읽어오는 코드는 아래와 같습니다. import geopandas as gpd gdf=gpd.read_file('FILE_PATH') 그럼 다음과 같은 혹은 비슷한 자역 코드, 지역 이름, 지역 좌표 등의 데이터가 저장되어 있습니다. 이것을 시각화하고 싶다면 시각화 하고자 하는 데이터를 지역이름 혹은 코드를 통해 조인트를 걸어주면 됩니다. 저는 서울열린데이터광장에서..