Research

• 데이터 인사이트에 대한 기본 개념( https://theorydb.github.io/dev/2019/08/25/dev-ml-insight/ )

  • 데이터를 통한 연구 : 가설 > 실험 > 검증, 분석 ,요약

• EDA 는 어떠한 방법론인가? : https://blog.naver.com/PostView.nhn?blogId=youji4ever&logNo=221484324353&parentCategoryNo=&categoryNo=10&viewDate=&isShowPopularPosts=false&from=postView

  1. 데이터에 대한 질문&문제 만들기
  2. 데이터를 시각화하고, 변환하고, 모델링하여 그 질문&문제에 대한 답을 찾아보기
  3. 찾는 과정에서 배운 것들을 토대로 다시 질문을 다듬고 또 다른 질문&문제 만들기

• Unsupervised Learning의 종류와 도전과제, 전처리 대한 개론 (https://dev-jm.tistory.com/31)

• ML 기본 개념과 왜 사용해야 하는지

머신러닝(Machine Learning) 이란

인공지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘 기술을 개발하는 분야

기계학습 = 표현(representation) + 일반화(generalization) 이때 표현이란 데이터의 평가, 일반화란 아직 알 수 없는 데이터에 대한 처리를 의미한다.

📌여러 특징 중에서 어떤 특징을 추출할지 선택하는 것이 머신러닝 개발의 핵심📌

머신러닝의 동작 방식

1. 일정량 이상의 샘플 데이터 입력
2. 입력받은 데이터를 분석하여 일정한 패턴과 규칙을 찾아낸다.
3. 찾아낸 패턴과 규칙을 가지고 의사결정및 예측 등 수행

수많은 데이터를 학습하여 일정한 패턴을 찾아내고 그것을 활용하는 행위

Pick

• 계층적 군집화 : Hierarchical Clustering

  • ( 참고링크:https://ratsgo.github.io/machine learning/2017/04/18/HC/ ) (https://towardsdatascience.com/machine-learning-algorithms-part-12-hierarchical-agglomerative-clustering-example-in-python-1e18e0075019)
  • K-means 와 달리 군집 수를 사전에 정하지 않아도 학습을 수행할 수 있다.
  • 덴드로그램 : 계층 별로 끊으면 클러스터링 생성
  • 사례 :https://blog.linewalks.com/archives/1678
  • How about : 독거, 노인, 청년, 등의 군집을 관찰 개별 군집이 가지는 특성과 질병 유발에 대한 비교

• 차원 축소 : 고차원의 dataset을 축소(변수의 수 감소)시켜 시각화를 용이하게 함

  • Feature Extraction : 로 데이터로부터 더 유의미한 특징을 가진 데이터로 추출

    • PCA(Principle Component Analysis) : 상관성이 높은 변수들을 조합하여 새로운 변수들로 요약 및 축소.

      

      새로운 데이터셋에 가장 많이 영향을 끼친 요소(변수)를 파악하여 PC1, PC2,...를 정의할 수 있으나 직접적인 측정은 불가하다는 것이 한계점.

      주성분분석을 사용한 후, 클러스터링 기법을 적용하면 군집화의 효율을 높일 수 있음.

      참고링크 : https://nittaku.tistory.com/291 :: 식습관(Feature)에 따른 체형(Label)