[Microsoft AI School 6기] 5/14(95일차) 정리 - AI-900 자격증 시험 대비 - 인공지능 개론
인공지능 개론
머신러닝
지도학습과 비지도 학습
회귀 평가 지표
MSE, MAE, R^2
분류 평가 지표 - confusion matrix
특성공학(Feature Engineering vs Feature Selection)
- 머신러닝 모델에서 학습에 사용할 Feature들을 찾는 것
필요한 이유:
데이터에 에러, 이상치, 잡음 등이 많으면 머신러닝 모델의 결과가 좋지 않음
-> 사전에 이러한 데이터 제고, 특성들이 머신러닝 모델에 유용하도록 만듦
Feature selection: 현재 보유한 특성 중 학습에 사용될 유용한 특성을 선택
Feature engineering: 특성들을 결합하여 더 유용한 특성을 만듦
출처
-If any problem for references, or any questions please contact me by comments.
-This content is only for recording my studies and personal profiles
일부 출처는 사진 내에 표기되어 있습니다
본문의 내용은 학습과 개인 profile 이외의 다른 목적이 없습니다
출처 관련 문제 있을 시 말씀 부탁드립니다
상업적인 용도로 사용하는 것을 금합니다
본문의 내용을 Elixirr 강의자료 내용을 기반으로 제작되었습니다
Microsoft에서 제공하는 정보를 담고 있습니다.
깃허브 소스코드의 내용을 담고 있습니다
본문의 내용은 MS AI School 6기의 강의 자료 및 수업 내용을 담고 있습니다.