![[혼공머신] 5주차: 비지도 학습(군집 알고리즘, k-평균, PCA)](https://samparkblog.com/wp-content/uploads/2025/08/혼자공부하는-머신러닝-딥러닝-개정판-5주차_01.png)
Chapter 06 비지도 학습 이번 장은 타깃(정답) 없이 데이터의 구조를 읽는 비지도 학습을 다루었습니다. 군집 알고리즘 에서는 동일 크기 이미지에서 평균 이미지를 기준으로 거리로 비슷함을 확인하며 군집의 직관을 잡았고, k-평균으로 이 직관을 자동화해 클러스터와 클러스터 중심을 확인하고, 이너셔(inertia)와 엘보우(elbow)로 적정 k를 가늠했습니다. 마지막으로 주성분 분석 에서는 PCA로 차원을 줄여 설명된 분산 비율과 재구성(inverse_transform)으로 정보 보존을 […]
![[혼공머신] 3주차: 로지스틱 회귀 & SGD, 분류 알고리즘](https://samparkblog.com/wp-content/uploads/2025/07/혼자공부하는-머신러닝-딥러닝-개정판-3주차_01.png)
[혼공머신] 3주차: 로지스틱 회귀 & SGD, 분류 알고리즘
지난주에 숫자 예측(회귀)을 다뤘다면, 이번 주에는 데이터를 정해진 기준에 따라 구분하는 ‘분류(Classification)’알고리즘에 대해 깊이 있게 탐구했습니다. 특히 로지스틱 회귀와 확률적 경사 하강법이라는 핵심 개념들을 배우면서, 머신러닝이 어떻게 디어터를 똑독하게 나누고 판단하는지 그 원리를 이해하게 되어 기뻤습니다. Chapter 04. 다양한 분류 알고리즘 이번 챕터에서는 데이터를 효율적으로 분류하는 여러 가지 기법들을 배웠습니다. 단순히 결과를 아는 것을 넘어, […]
![[혼공머신] 2주차: 회귀 알고리즘과 모델 규제 실습 후기](https://samparkblog.com/wp-content/uploads/2025/07/혼자공부하는-머신러닝-딥러닝-개정판-2주차_01.png)
[혼공머신] 2주차: 회귀 알고리즘과 모델 규제 실습 후기
‘혼자 공부하는 머신러닝 + 딥러닝 개정판’ 스터디 2주차 학습을 마쳤습니다. 이번 2주차는 교재의 Chapter 03 ‘회귀 알고리즘과 모델 규제’를 중심으로, 숫자를 예측하는 ‘회귀’에 대해 깊이 있게 학습하였습니다. 모델이 과도하게 훈련 데이터에 적합하거나(과대적합) 너무 단순하여 성능이 저하되는(과소적합) 현상을 방지하는 ‘규제’ 기법까지 배우며 머신러닝 모델을 더욱 견고하게 구축하는 방법을 익혔습니다. Chapter 03. 회귀 알고리즘과 모델 규제 이번 […]