ML_HYU_20240501
대학원생을 위한 차세대 연구 및 데이터 분석 - 한양대학교
커맨드스페이스
K-means 알고리즘의 결과를 시각화하기 위해 PCA(Principal Component Analysis)를 사용하여 2차원으로 차원 축소한 후, 산점도로 군집화 결과를 나타내는 코드
Reaction
Comment
Share
커맨드스페이스
군집 분석과 클러스터링을 위한 K-means 알고리즘
Reaction
Comment
Share
커맨드스페이스
로지스틱 회귀 계수
Reaction
Comment
Share
커맨드스페이스
ROC 커브, 컨퓨전 매트릭스
Reaction
Comment
Share
커맨드스페이스
머신러닝 평가
Reaction
Comment
Share
커맨드스페이스
로지스틱 회귀
교육 훈련 관련 변수들을 사용하여 직무 만족도가 높은 그룹(1)과 낮은 그룹(0)을
분류
Reaction
Comment
Share
커맨드스페이스
Permutation Importance
Reaction
Comment
Share
커맨드스페이스
지금까지 정리된 코드
Reaction
Comment
Share
커맨드스페이스
부분 의존도 플롯 - 그래디언트 부스팅 버전
Reaction
Comment
Share
커맨드스페이스
부분 의존도 플롯 (Partial Dependence Plot)
Reaction
Comment
Share
커맨드스페이스
특징 중요도 (Feature Importance)
Reaction
Comment
Share
커맨드스페이스
회귀 계수
Reaction
Comment
Share
커맨드스페이스
상관 분석 (Correlation Analysis)
Reaction
Comment
Share
커맨드스페이스
모델 비교
Reaction
Comment
Share
커맨드스페이스
그래디언트 부스팅 모델 평가, 시각화
Reaction
Comment
Share
커맨드스페이스
랜덤 포레스트 모델 평가, 시각화
Reaction
Comment
Share
커맨드스페이스
선형 회귀 모델 평가, 시각화
Reaction
Comment
Share
커맨드스페이스
그래디언트 부스팅
Reaction
Comment
Share
커맨드스페이스
랜덤 포레스트
Reaction
Comment
Share
커맨드스페이스
선형 회귀
Reaction
Comment
Share
커맨드스페이스
데이터 전처리 부분
Reaction
Comment
Share
커맨드스페이스
구글 드라이브에 저장
Reaction
Comment
Share
커맨드스페이스
변수 정리
Reaction
Comment
Share
커맨드스페이스
데이터 준비
Reaction
Comment
Share
커맨드스페이스
선형 회귀 모델 평가, 시각화
👍