반응형 전체 글77 (10/15일) 고객이탈 자료_종합 복습 오늘은 통신 고객 데이터를 활용해 고객 이탈 여부를 분석하는 전체 과정을 복습했습니다. 데이터 구조 확인부터 결측값 처리, EDA와 시각화, 범주형 데이터 인코딩, 학습용 데이터 구성, 머신러닝 모델 학습과 평가까지 순서대로 정리합니다.오늘의 학습 흐름데이터 확인 → 결측값 처리 → EDA → 범주형 데이터 인코딩 → X와 y 분리 → 모델 생성 → 학습 → 예측 → 정확도 평가1. 데이터 구조 확인: df.info()df.info()는 데이터프레임의 전체 행과 열, 컬럼명, 각 컬럼의 데이터 타입, 결측값이 아닌 데이터의 개수 등을 확인하는 기능입니다.고객 이탈 분석을 시작할 때 먼저 데이터가 어떤 구조로 되어 있는지 확인합니다. 특히 숫자로 처리해야 할 컬럼이 문자형으로 읽히지는 않았는지, 일부 컬럼.. 2026. 10. 15. (10/14일) 머신러닝 학습 정리 앙상블·XGBoost·스태킹·선형 회귀 규제 이번 학습에서는 여러 머신러닝 모델을 결합하는 앙상블 학습, 분류와 회귀, XGBoost, 스태킹, 선형 회귀와 규제 기법을 공부했습니다. 당뇨병 건강 지표 데이터의 탐색적 분석과 시각화 개념도 함께 정리합니다.1. 앙상블 학습(Ensemble Learning)앙상블 학습은 여러 머신러닝 모델의 예측을 결합해 하나의 모델만 사용할 때보다 예측의 안정성이나 일반화 성능을 높이려는 방법입니다.종류정의핵심 기억Random Forest여러 의사결정나무를 학습시키고 각 나무의 예측을 결합하는 방법여러 나무의 예측 결합Boosting모델을 순차적으로 학습하며 이전 단계의 오차를 보완하도록 개선하는 방법순차적 성능 개선Stacking여러 기본 모델의 예측 결과를 새로운 모델의 입력으로 사용하는 방법모델 예측을 다시 .. 2026. 10. 14. [5주차 회고] 머신러닝 기초부터 로지스틱 회귀까지 SK네트웍스 AI캠프 5주차에는 머신러닝의 기본 개념부터데이터 전처리, 선형회귀, 로지스틱 회귀까지 학습하였다.특히 보스톤 집값 예측과타이타닉 생존 여부 예측 실습을 통해회귀 문제와 분류 문제의 차이를 직접 경험할 수 있었다.이번 주에는 단순히 머신러닝 알고리즘의 이름을 외우는 것보다데이터 → 전처리 → 학습 → 예측 → 평가라는전체적인 흐름을 이해하는 데 집중하였다.1. 보스톤 집값 예측 실습보스톤 집값 데이터셋을 활용하여선형회귀(Linear Regression) 모델을 학습하였다.데이터는 총 506개의 행과 14개의 컬럼으로 구성되어 있었으며,집값(MEDV)을 예측하기 위해 범죄율(CRIM),평균 방 개수(RM), 지역 특성 등의 다양한 독립변수를 사용하였다.실습 과정학습 데이터(X)와 정답 데이터(.. 2026. 10. 8. (10/8일자) 머신러닝 학습 -1 오늘은 머신러닝의 가장 기본이 되는 선형회귀(Linear Regression)와보스턴 집값 예측 실습을 진행하였다.또한 오차 평가 방법(MAE, MSE, RMSE), 데이터 전처리,다중선형회귀, 정규화(Regularization), 로지스틱 회귀(Logistic Regression)의개념까지 학습하였다.1. 머신러닝과 지도학습머신러닝은 데이터를 이용하여 패턴을 학습하고 새로운 데이터에 대한 결과를예측하는 기술이다.회귀(Regression) : 연속적인 숫자 예측분류(Classification) : 범주 예측오늘 학습의 중심은 회귀 문제였으며, 대표적인 예제로 보스턴 집값 예측을 수행하였다.2. 선형회귀(Linear Regression)선형회귀는 데이터의 특성과 결과의 관계를 직선으로 표현하는 모델이다.y.. 2026. 10. 8. [4주차] SK네트웍스 AI캠프 회고 – 프로젝트에 정신을 빼앗긴 한 주, 데이터 분석의 기초를 다시 보다 2026년 10월 1일.SK네트웍스 AI캠프 4주차를 마무리하면서 이번 주를 돌아본다.지난주에는 첫 번째 프로젝트가 시작되면서 본격적으로 팀원들과 프로젝트를 고민하기 시작했다.그런데 막상 프로젝트를 시작하고 나니 생각했던 것보다 신경 쓸 것이 많았다.무엇을 만들 것인지부터 데이터를 어떻게 구할 것인지, 어떤 기술을 사용해야 하는지,그리고 내가 지금까지 배운 Python과 Pandas, SQL, Streamlit 등을 실제 프로젝트에서 어떻게 연결해야 하는지까지 생각하다 보니수업을 듣는 동안에도 계속 프로젝트 생각이 머릿속을 떠나지 않았다.솔직히 말하면 이번 주는 정신없이 수업을 들었던 한 주였다.수업 자체를 이해하는 것도 중요했지만,머릿속 한쪽에서는 계속 프로젝트를 생각하고 있었다.📌 4주차는 생각보다.. 2026. 10. 8. (10/6일) 머신러닝 기초 핵심 복습 오늘의 핵심머신러닝에서는 데이터를 그대로 사용하는 것이 아니라, Feature와 Label을 구분하고 → 데이터를 전처리하고 → 필요한 경우 Encoding과 Scaling을 적용한 후 → 모델이 학습할 수 있는 형태로 만드는 과정이 중요합니다.1. 인공지능(AI) → 머신러닝 → 딥러닝인공지능(AI)은 인간의 지적 능력인 학습과 추론 등을 컴퓨터로 구현하는 기술입니다. 머신러닝은 AI의 한 분야로, 데이터를 통해 패턴을 학습하고 새로운 데이터에 대한 예측이나 판단을 수행합니다. 딥러닝은 여러 층의 인공신경망을 사용하는 머신러닝의 한 분야입니다.IBM은 머신러닝을 학습 데이터의 패턴을 학습하여 새로운 데이터에 대해 예측 또는 추론을 수행하는 AI의 한 분야로 설명하고 있습니다.출처: IBM Machine.. 2026. 10. 6. 이전 1 2 3 4 ··· 13 다음 반응형