[TIL]27.Section2_sprint1 challenge

linear regression

multiple regression

ridge regression

logistic regression

 

큰 골자는 위와 같은 모델들을 배웠다. 

 

회귀와 분류에 따라 사용하는 모델이 다르고

 

모델에 따라 평가지표가 다르고

 

그 모델에 데이터를 대입하기 전 

 

train, validate, test set을 구분하고

 

그 데이터에 대해 OneHot encoding, scaling, polynomial 등등

 

다양한 인코더들이 있다.

 

또한 각 모델들에 따라 조절할 수 있는 하이퍼파라미터도 있었다. 

 

이번 주에 느낀 것은 머신러닝 자체는 너무 재미있다.

 

다만, Section 1 에서 학습한 EDA, Feature Engineering이 얼마나

 

실무에서 중요한지 느낄 수 있었다.

 

통계적, 시각화, 도메인 을 통한 갈피가 잡혀야 

 

데이터를 가공할 수 있고 그래야만 어떤 모델에 어떤 인코더를 적용하고

 

어떻게 하이퍼파라미터를 조절하고 등의 과정이 결정되는 느낌이다.

 

일단은 너무 부담갖지말고 배우고 있는 파트에 좀더 비중을 두고 공부해가자

 

할 수 있다.