Doyun-lab

Subject : Predicting the Value of Players registered in FIFA19 (Linear Regression) Language : Python Data : ‘Kaggle의 피파19 선수 정보’ 데이터 Model : Linear Regression, Ridge, Lasso, Random Forest 1. Data parsing & preprocessing # Import import numpy as np import pandas as pd from sklearn.model_selection import KFold from sklearn.linear_model import LinearRegression from sklearn.linear_model import Ridge..

Subject : Predicting real estate prices in Korea with various variables Language : R Data : ‘직방’ 데이터 train.csv : Apartment transaction data (1.6 million) school.csv : Elementary, middle and high school information (1,100) subways.csv : Subway information (400) 1. Data preprocessing colnames(train)

𝖱𝖾𝗀𝗋𝖾𝗌𝗌𝗂𝗈𝗇 - Classification의 예측 결과 값 = Class or Label - Regresion의 예측 결과 값 = 실수 ​ 𝖫𝗂𝗇𝖾𝖺𝗋 𝖱𝖾𝗀𝗋𝖾𝗌𝗌𝗂𝗈𝗇 = Linear Model 표현 - Sum of Squared Error를 최소화하기 위해, 미분하여 얻은 Parameter 수식 𝖱𝗂𝖽𝗀𝖾, 𝖫𝖺𝗌𝗌𝗈 𝖱𝖾𝗀𝗋𝖾𝗌𝗌𝗂𝗈𝗇 - Ridge Regression : Linear Regression에서 얻어지는 Parameter가 너무 커지지 않도록, L2 norm으로 제한 > Overfitting 막아줌 > 위 Cost 함수에 대하여 편미분을 통해 최적의 값 찾기 - Lasso Regression : L1 norm 제한 > 미분 불가능 — 여러 기법 적용하여 최적화 > Feature..