본문 바로가기

sklearn

[Sklearn] PCA 차원축소
Data/Data Science 2020. 5. 7. [Sklearn] PCA 차원축소 데이터 차원축소가 필요해서 sklearn에서 제공하는 PCA를 사용. sklearn에서 제공하는건 사용법이 간단해서 자주쓰인다. # sklearn의 PCA함수 import from sklearn.decomposition import PCA # pca 함수 호출 # n_components는 변환후의 차원 수 pca = PCA(n_components = 1) x = [[1,2,3]] # pca도 데이터의 유형에따라서 학습이 필요 pca.fit(x) print(pca.transform(x)) # 3차원에서 1차원으로 바뀐 array 반환
[ML] Semi-Supervised Learning (label_propagation)
Data/Data Science 2019. 11. 1. [ML] Semi-Supervised Learning (label_propagation) 머신러닝에서는 크게 두가지로 나뉘는데 1. 지도학습(supervised learning) 2. 비지도학습(unsupervised learning) 지도학습중에서 추가로 나누자면 준지도학습(semi-supervised learning)이란 기법이있다. 이 기법은 우리가 흔히 데이터를 다룰때 일부한테만 정답지가 있고 일부한테는 정답지가 없을때 사용하는것인데 예를 들어서 다음 그림을 보자 위에 라벨링이 되어있는 데이터를 볼때 점선처럼 두개 부류로 나눌수가있다. 하지만 데이터가 적고, 단순한 모양으로인해 실제 데이터에서는 제대로 분류(작동)를 못할수가있다. 이때 추가로 라벨링이 되어있지않은 데이터를 넣을때 밑에그림과 같이 데이터 분포도를 띄우게되고. 여기서 semi-Supervised Learning을 하게되면..

티스토리툴바