반응형 연구 노트151 머신러닝 :: 의사결정나무 의사 결정 나무 다양한 의사결정 결로와 결과를 놓고 나무 구조를 이용하여 설명하는 것 질문을 던지면서 대상에 접근해 가는 스무고개 놀이와 유사 질문은 조건을 이분법적으로 제시하면서 진행한다. 지도학습 기법으로서 변수의 영역을 게속적으로 분할해 나가면서 집단을 몇개의 소집단으로 분류하거나 예측하는 기법 맨 위쪽에 뿌리 노드로 시작해서 아래로 가면서 가지를 치고 마지막까지 진행한다. 처음에 어떤 분류기준을 선택할 것인가를 결정하는 것은 여러 알고리즘이 있다. 예를 들어, 프로 야구선수중에서 자유게약 선수(Free Agaent: FA)의 연봉을 의사결정 나무로 간단히 그려보자. 의사결저과정에서 나무를 가지고 목표와상황과 상호 관련성을 나타내어 최종 결정을 내린다. 의사결정 규칙을 나물 구조로 도식화 하여 관심.. 2022. 7. 29. Avoid Overfitting By Early Stopping With XGBoost In Python https://machinelearningmastery.com/avoid-overfitting-by-early-stopping-with-xgboost-in-python/ Avoid Overfitting By Early Stopping With XGBoost In Python Overfitting is a problem with sophisticated non-linear learning algorithms like gradient boosting. In this post you will discover how you can use early stopping to limit overfitting with XGBoost in Python. After reading this post, you will know.. 2022. 7. 28. 신경망 결과 :: asos from keras import models from keras import layers from keras.callbacks import EarlyStopping from keras.callbacks import ModelCheckpoint # 모델 구성 _input_shape = X_train.shape[1] # input_shape : # of columns +1 _epochs = 500 # 모든 샘플에 대해 학습되는 횟수 _batch_size = 256 #512 # 샘플을 한번에 몇 개씩 처리할 지 결정. 전체 rows 를 _batch_size 만큼 끊어서 집어 넣어라. _patience = 200 _node_in = 16 # 입력층 노드 수 _node1 = 16 # 은닉층 노드 수 _node_o.. 2022. 7. 28. 딥러닝 :: 신경망 결과 Asos from keras import models from keras import layers from keras.callbacks import EarlyStopping from keras.callbacks import ModelCheckpoint # 모델 구성 _input_shape = X_train.shape[1] # input_shape : # of columns +1 _epochs = 500 # 모든 샘플에 대해 학습되는 횟수 _batch_size = 256 #512 # 샘플을 한번에 몇 개씩 처리할 지 결정. 전체 rows 를 _batch_size 만큼 끊어서 집어 넣어라. _patience = 200 _node_in = 16 # 입력층 노드 수 _node1 = 16 # 은닉층 노드 수 _node_o.. 2022. 7. 27. 개발환경 :: 모던 포트란 라이브러리 모듈 CODE :: BLOCK https://blog.naver.com/PostView.nhn?blogId=kimmingul&logNo=222241983842 [Fortran] 편리한 CSV 파일 입출력을 위한 Modern Fortran 라이브러리 : Fortran_CSV_Module Fortran에서는 데이터 파일의 입출력을 위해 파일처리 관련 기본 명령어인 OPEN, CLOSE, REA... blog.naver.com 2022. 7. 15. 모델링 :: xgboost with Gfilled_Dexpanded_2hr 보호되어 있는 글 입니다. 2022. 7. 7. 모델링 :: xgboost with Gfilled_Dexpanded_1hr 보호되어 있는 글 입니다. 2022. 7. 7. 모델링 :: ML 테스트 with Gfilled_Dexpaned_2hr 보호되어 있는 글 입니다. 2022. 7. 7. 모델링 :: ML 테스트 with Gfilled_Dexpaned_1hr (ASOS-AAOS) 보호되어 있는 글 입니다. 2022. 7. 7. 이전 1 2 3 4 5 6 7 8 ··· 17 다음 728x90
