머신러닝 프로세스 자기개발/Programming 2021. 6. 15. 머신러닝(Machine Learning) 기초 - 2 : 머신러닝 프로세스 (Model selection to how to use them) 1. 질문/문제 (Question) 공식화 2. 데이터 찾기 및 이해 3. 데이터 클리닝 및 기능 엔지니어링 4. 모델 선택 5. 조율 및 평가 6. 모델 사용 및 결과 도출 지난 포스팅의 연장으로 4,5,6번 머신러닝 가용 모델에 대해 포스팅해보겠다. 4. 모델 선택 - Choosing a model 우리가 태클하고자 하는 데이터와 어떤 문제를 해결하려는지에 대해 충분히 파악이 되었다면 이제는 알맞은 머신러닝 모델을 고르는 일만 남았다! - 고객 대기 시간 예측과 같은 연속성이 있는 결과 도출을 위해서는 회귀 법 (regression algorithm)을 사용하고 - 오더 대기 시간이 5분 혹은 10분일까?라는 입력값에 대한 분류를 위해서는 분류법 (classification algorithm)을 사용.. 자기개발/Programming 2021. 6. 13. 머신러닝(Machine Learning) 기초 - 2 : 머신러닝 프로세스 (Question formulation to feature engineering) 이전 포스팅에서 머신러닝 프로세스가 어떻게 구성돼있는지를 알 봤고 오늘은 각 프로세스를 세분화하여 알아보겠다. 1. 질문/문제 (Question) 공식화 2. 데이터 찾기 및 이해 3. 데이터 클리닝 및 기능 엔지니어링 4. 모델 선택 5. 조정 및 평가 6. 모델 사용 및 결과 제시 1. 질문/문제 (Question) 공식화 - Formulating a Question 우리가 알아내고자 하는 것은 무엇인가? 주어진 데이터를 어떻게 사용해야 할까? 간단한 예시로 테이블 순환이 높은 캐주얼 식당 체인에 대해 이야기해 보겠다. 우리의 목표는 고객 경험 극대화이며 어떠한 방법으로 목표 달성을 이룰 수 있을지 고민해야 하며 새로운 모델 생성 시 우리는 '방법'과 '측정법'을 세분화가 필요하다. 예를 들어 음식 .. 이전 1 다음
