머신 러닝 인 액션 책의 4장 내용을 정리했습니다. 4장에서는 나이브 베이스 확률을 이용해서 분류하는 방법에 대해 다룹니다. 참고로, 집단 지성 프로그래밍 책의 문서 필터링 http://javacan.tistory.com/entry/Programming-CI-Study-ch6-DocumentFiltering 에서도 이 내용을 다룹니다. 둘을 비교해보면 더 도움이 될 것 같네요.
주요글: 도커 시작하기
머신러닝
- 머신 러닝 인 액션 정리 - 4장 - 나이브베이스 이용 분류 2014.04.25
- 머신 러닝 인 액션 정리 - 2장 - kNN 알고리즘 2014.04.24
- 집단지성 프로그래밍 스터디, 7장 의사결정트리 2014.04.07
머신 러닝 인 액션 정리 - 4장 - 나이브베이스 이용 분류
2014. 4. 25. 11:11
머신 러닝 인 액션 정리 - 2장 - kNN 알고리즘
2014. 4. 24. 22:37
머신 러닝 인 액션 책의 2장 kNN 알고리즘을 정리한 내용입니다.
* 집단 지성 프로그래밍의 kNN 정리 내용은 http://javacan.tistory.com/entry/Programming-CI-Study-ch8-PriceModel 글을 참고하시면 됩니다.
집단지성 프로그래밍 스터디, 7장 의사결정트리
2014. 4. 7. 14:30
Collective Intelligence,
decision tree,
gini impurity,
information gain,
Machine Learning,
기계학습,
머신러닝,
의사결정트리,
정보 이득,
지니불순도,
집단지성프로그래밍
집단지성 프로그래밍 책의 7장 스터디 자료입니다. 이 분야 쌩초보라 내용이 틀릴 수 있습니다.
의사결정트리와 관련된 구축 방법, 정보이득 및 지니불순도/엔트로피, 트리 가지치기 등에 대해 다룹니다.