[혼공머딥] chapter 1,2

* 혼자공부하는 머신러닝+딥러닝의 교재의 학습 요약 내용입니다
 
https://hongong.hanbit.co.kr/%ED%98%BC%EC%9E%90-%EA%B3%B5%EB%B6%80%ED%95%98%EB%8A%94-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D/

혼자 공부하는 머신러닝+딥러닝

* 경희대학교 데이터분석 동아리 KHUDA의 2023년 8월 기초세션 1주차 학습내용입니다.
https://cafe.naver.com/khuda

KHUDA : 네이버 카페

* 2차배포 및 상업적의도로의 사용 목적 및 의도가 없습니다
* 모든 저작권은 책 출판사 한빛미디어에 있습니다 !
 

---

[새롭게 알아가는 내용]
 
1. google colab 또는 jupyterNotebook에서 마크다운 꾸미기

#~#####	<h1~h5>태그와 동일
**쿠다**	굵게쓴다
*쿠다* _쿠다_	기울임체
~~쿠다~~	취소선추가
> 쿠다	들여쓰기)   |        쿠다
* 쿠다 - 쿠다	글머리 기호
[쿠다](cafe.naver.com/khuda)	쿠다하이퍼링크
	이미지
$y=x \times z$	레이텍 수식화(LaTeX), 수식 그래프 다이어그램 유용

 
2. 파이썬에서 두 개의 리스트(각 리스트가 length가 동일함)할 때 이차원 매트릭스로 변환하기
 
fish_data= [ [l,w] for l, w in zip(length, weight)]
 
3. 리스트를 만들 때 1과 0의 개수 (이진)를 활용한 리스트 생성하기 
 
O,X 로 구분할 수 있는 리스트를 만들기 위할 때 사용할 수 있을 듯 합니다.
문제의 예시처럼 도미, 빙어로 나누는 머신러닝에서 사용한답니다.
 
4. K최근접 이웃 알고리즘에 대하여

- k-최근접 이웃 알고리즘은 주변의 샘플 중에서 다수인 클래스를 정답으로 사용하는 지도학습의 알고리즘이다. 한편, 지도학습이란 input target이 존재하는, 즉 입력과 출력 정답을 알고 있는 경우에 사용하는 알고리즘으로 분류와 관련된 작업 수행시 유용하다. 다시, k-최근접 이웃 알고리즘에 대해 주변이란 개념은 거리가 가까운 점을 찾아내고는 하며 그 거리의 기준은 맨해튼 거리 또는 유클리디안 거리를 기준으로 한다. 디폴트 값은 2로 유클리디안 거리를 기준으로 한다.

의 차이를 가짐을 참고하면 된다. 맨해튼 거리는 변위의 차이를 생각하면 편할 것이며 유클리디안은 익숙한 피타고라스 정리에서 참고하는 거리를 생각하면 될 것이다.

이렇게 거리를 비교할 때는 각 축별 스케일에 유의를 해야한다. 특히 k-최근접이웃 알고리즘의 경우에는 더더욱 그렇다.

(25,150)을 predict하기 위한 알고리즘을 작성하였는데 그 거리가

print(distance)를 사용했더니 위의 사진과 같이 나왔다.
그도 그럴것이 x축의 스케일은 5인 반면 y축의 스케일은 200이다.

이렇기에 스케일변 변환이 필요하다.

보통 스케일 변환은 평균과 표준편차를 이용한 z값 구하기로 하고는 한다. 이후에 동일한 과정을 사용해 fit predict score을 진행하면 올바른 예측을 해낼 수 있다.

어쩌면 올바르다고 하는 것 역시 지도학습으로서 정답을 알고 있기에 가능한 것이 아닐까 .

추가로 사이킷런을 사용할 떄 train과 test의 size를 구분하기 위한 것도 있다.