IBM8 - Machine Learning with Python
Course summary - IBM Data Science - 8 Machine Learning with Python
본 포스트는 IBM Data Science 특화 과정 중 [8. Machine Learning with Python][coursera-ibm-ds-8]에 대한 정리노트입니다.
IBM Data Science 전문가 과정 : 정리노트
- What is Data Science?
- Tools for Data Science
- Data Science Methodology
- Python for Data Science and AI
- Databases and SQL for Data Science
- Data Analysis with Python
- Data Visualization with Python
- [Machine Learning with Python
- Applied Data Science Capstone
Jupyter notebook
1 Introduction to Machine Learning
1.1 Welcome
1.2 Introduction to Machine Learning
- What is machine learning?
- Machine learning is the subfield of computer science that gives computer the ability to learn without being explicitly programmed. - Arthur Samuel
- 기계 학습이란 명시적(explicitly)으로 프로그래밍하지 않고도 컴퓨터에 학습 할 수 있는 능력을 부여하는 컴퓨터 과학의 하위 분야입니다.
즉 모든 코드를 일일이 작성하지 않더라도 해당 알고리즘이 내재한 규칙을 찾아내고 이를 통해 새로운 예측을 만들어 낼 수 있음.
- Major Machine Learning Technique
| Type | Technique | Description | Example |
|---|---|---|---|
| Supervised | Regression /Estimation |
Predict continuous values | 집값 예측 자동차 모델에 따른 CO2 배출량 |
| Supervised | Classification | Predict discrete class labels or categories | 종양이 음성/악성 여부를 판단 |
| Unsupervised | Clustering | 데이터의 구조 파악 Summarization |
대출 상환 가능성 확인을 위한 은행 고객 분류(segmentation) |
| Unsupervised | Associations | 함께 빈번히 발생하는 항목/사건 발견 | 마트에서 같이 구매하는 항목 묶기 |
| Unsupervised | Anomaly detection | 이상하거나 특이한 사건 확인 | 신용카드 사기 확인 |
| Unsupervised | Seqeunce mining | 다음에 발생할 사건 예측 | Web-site에서 Click-stream 분석 |
| Unsupervised | Dimmension reduction | 데이터 크기 축소 | (ex) PCA |
| Unsupervised | Recommendation systems | 관심사 분석 및 추천 | Netflix 추천 시스템 |
- AI vs. Machine Learning vs. Deep learning
- Artificial intelligence » Machine Learning » Deep Learning
기계학습은 인공지능의 한 분야이며, Deep learning 역시 기계학습의 진보된 한 분야로 볼 수 있음.
1.3 Python for Machine Learning
- Python libraries for machine learning
- Numpy
- SciPy
- matplotlib
- pandas
- scikit-learn
1.4 Supervised vs. Unsupervised
| Supervised | Unsupervised | |
|---|---|---|
| Example | Regression - Predict trends using previous labeled data |
Clustering - Finds patterns and groups from unlabeled data |
| Evaluation method | Many | Less |
| Environment | Controlled | Less controlled |
- Supervised learning
- We teach the model then with that knowledge, it can predict unknown or future instances.
- Training 필요
- Labeled dataset –> Train –> Build model –> Evaluation –> Prediction
- Unsupervised learning
2 Regression
2.0 Introduction to regression
- Regression : The process of predicting a continuous values
| simple X | multiple Xs | |
|---|---|---|
| Linear | Simple linear | Multiple linear |
| Non-linear | Simple non-linear | Multiple nonlinear |