- Видео 218
- Просмотров 102 973
Brightics TV
Добавлен 24 май 2019
[DS시리즈] 7.1-2 차원축소 PCA개요 | 7. 차원축소
안녕하세요, 에듀테이너입니다.
이번 챕터에서는 Dimension Reduction, 차원축소에 대해 알아보겠습니다.
차원축소 개요에서는 Dimension Reduction 의 개념을 이해하고, 차원의 저주에 대해 알아보겠습니다.
차원이란 무엇인가요?
1차원하면 직선을, 2차원하면 xy평면을, 그리고 3차원하면 공간을 의미하게 되는데,
여기서 차원이란 어떤 공간을 정의하는 좌표의 갯수라고 생각할 수 있습니다.
우리가 예측모형을 만들 때, 모형의 차원을 정의할 수 있는데, 이것은 데이터를 구성하는 독립변수의 개수를 의미하게 됩니다. 그런데, 차원이 늘어나면 예측 모형의 성능이 저하되어 모형의 신뢰도를 떨어뜨리게 되는 현상이 발생합니다. 이를 차원의 저주라고도 하는데,
차원의 저주란, 반응변수를 예측하는 독립변수의 숫자가 늘어남에 따라, 차원이 커지면서, 분석을 위해 필요한, 최소한의 데이터 건수가 늘어나고, 예측이 불안정해지는 문제를 말합니다.
#brightics #studio #pca #차원축소 #Dimension #Reduction
이번 챕터에서는 Dimension Reduction, 차원축소에 대해 알아보겠습니다.
차원축소 개요에서는 Dimension Reduction 의 개념을 이해하고, 차원의 저주에 대해 알아보겠습니다.
차원이란 무엇인가요?
1차원하면 직선을, 2차원하면 xy평면을, 그리고 3차원하면 공간을 의미하게 되는데,
여기서 차원이란 어떤 공간을 정의하는 좌표의 갯수라고 생각할 수 있습니다.
우리가 예측모형을 만들 때, 모형의 차원을 정의할 수 있는데, 이것은 데이터를 구성하는 독립변수의 개수를 의미하게 됩니다. 그런데, 차원이 늘어나면 예측 모형의 성능이 저하되어 모형의 신뢰도를 떨어뜨리게 되는 현상이 발생합니다. 이를 차원의 저주라고도 하는데,
차원의 저주란, 반응변수를 예측하는 독립변수의 숫자가 늘어남에 따라, 차원이 커지면서, 분석을 위해 필요한, 최소한의 데이터 건수가 늘어나고, 예측이 불안정해지는 문제를 말합니다.
#brightics #studio #pca #차원축소 #Dimension #Reduction
Просмотров: 7
Видео
![[DS시리즈] 6.3 Collaborative Filtering (ALS) | 6. 추천분석](http://i.ytimg.com/vi/t3jx3vgKUew/mqdefault.jpg)
![[DS시리즈] 6.3 Collaborative Filtering (ALS) | 6. 추천분석](/img/tr.png)
[DS시리즈] 6.3 Collaborative Filtering (ALS) | 6. 추천분석
Просмотров 79 часов назад
안녕하세요, 에듀테이너입니다. 이번 시간에는 Collaborative Filtering (A L S) 분석의 개념을 이해하고, 시나리오를 통해, ALS 협업필터링을 수행하는, 실습을 진행합니다. 추천분석의 방법은, Association Rule, Contents-based Filtering, 그리고 Collaborated Filtering으로 구분됩니다. Association Rule은 6.2 에서 다루었으니, 이번 강의에서는 Contents based Filtering부터 알아 보겠습니다. #recommendation #추천분석 #ALS #Collaborative #Filtering #협업필터링
![[DS시리즈] 6.1개요&6.2 Association Rule | 6. 추천분석](http://i.ytimg.com/vi/9gNYNlWhQMY/mqdefault.jpg)
[DS시리즈] 6.1개요&6.2 Association Rule | 6. 추천분석
Просмотров 1019 часов назад
안녕하세요, 에듀테이너입니다. 이번 시간에는 Recommendation, 추천 분석의 개념을 이해하고 Brightics를 이용하여 대표적인 Recommendation 분석을 수행하는 방법들을 예제를 통해 학습합니다. 이번시간에는 Association Rule (연관규칙), 연관분석에 대해 알아보겠습니다. #recommendation #추천분석 #Association #Rule #연관분석 #지지도 #support #lift #Confidence #FP-Growth
![[DS시리즈] 5.8 LDA(Linear Discriminant Analysis, 선형판별분석) | 5. 분류분석](http://i.ytimg.com/vi/hMMdhPpUphk/mqdefault.jpg)
[DS시리즈] 5.8 LDA(Linear Discriminant Analysis, 선형판별분석) | 5. 분류분석
Просмотров 10День назад
안녕하세요, 에듀테이너입니다. 이번 시간에는 LDA에 대해 학습하겠습니다. LDA(Linear Discriminant Analysis), 선형판별분석은 데이터들을 하나의 직선(1차원 공간)에 projection시킨 후, 그 projection된 data들이 잘 구분이 되는가를 판단하는 방법입니다. 이 과정에서 차원이 축소됩니다. 해서 차원 축소 방법으로도 사용됩니다. 본 강의에서는 선형판별분석, Linear Discriminant Analysis의 개념을 이해하고, 시나리오 예제를 통해, LDA분석을 수행하는 시나리오 실습을 진행합니다. #LDA #brightics #classification #Linear #Discriminant #Analysis 모델&데이터: 링크 참조 cafe.naver.c...
![[DS시리즈] 5.7 DT based 앙상블 (Bagging&Boosting) | 5. 분류분석](http://i.ytimg.com/vi/yT3AA9XH4Ws/mqdefault.jpg)
[DS시리즈] 5.7 DT based 앙상블 (Bagging&Boosting) | 5. 분류분석
Просмотров 2014 дней назад
안녕하세요, 에듀테이너입니다. 이번 시간에는 앙상블 기법에 대해 학습하겠습니다. 앙상블 기법은 여러 개의 분류기를 학습/생성하고, 그 예측을 결합함으로써 보다 정확한 예측을 도출하는 기법입니다. 강력한 하나의 모델을 사용하는 대신 보다 약한 모델 여러 개를 조합하여 더 정확한 예측에 도움을 주는 방식입니다. 본 강의에서는 앙상블 기법의 개념을 이해하고, Bagging 기법의 Random Forrest와 Boosting기법의 Gradient Boosting에 대해 알아보겠습니다. #brightics #bagging #boosting #Ensemble #앙상블기법 #classification
![[DS시리즈] 5.6 DT (Decision Tree, 의사결정나무) | 5. 분류분석](http://i.ytimg.com/vi/dKz4OH0HIxA/mqdefault.jpg)
[DS시리즈] 5.6 DT (Decision Tree, 의사결정나무) | 5. 분류분석
Просмотров 1714 дней назад
안녕하세요, 에듀테이너입니다. 이번 시간에는 의사결정나무에 대해 학습하겠습니다. Decision Tree는 의사결정 규칙을 도식화하여, 관심대상이 되는 집단을 몇 개의 소집단으로 분류하거나 예측하는 계량적 분석 방법입니다. 분류와 예측에 모두 사용될 수 있는데, 본 강의에서는 분류문제를 다루는 Decision Tree에 대해 학습하겠습니다. #brightics #decisiontree #의사결정나무 #classification #studio #decision #tree #ig #information #gains *cafe.naver.com/brighticsstudio/476
![[DS시리즈] 5.5 SVM (Support Vector Machine) | 5. 분류분석](http://i.ytimg.com/vi/QWlVz1sBKNk/mqdefault.jpg)
[DS시리즈] 5.5 SVM (Support Vector Machine) | 5. 분류분석
Просмотров 1421 день назад
안녕하세요, 에듀테이너입니다. 이번 시간에는 SVM, 서포트 벡터 머신에 대해 학습합니다. 서포트 벡터 머신을 통한 분류분석은 Classification 분류 문제에서, 두 개로 분류하는 이진 분류모델이 있다고 할 때, 이 두 범주를 갈라내는 Hyperplane을 구하는 겁니다. 여기서, Hyperplane은 2차원에서는 직선, 3차원에서는 평면, 4차원이상에서는 초평면이 됩니다. #brightics #svm #classification #studio #Support #vector #machine *cafe.naver.com/brighticsstudio/478
![[DS시리즈] 5.4 Logistic Regression | 5. 분류분석](http://i.ytimg.com/vi/4FQTxaK5QOo/mqdefault.jpg)
[DS시리즈] 5.4 Logistic Regression | 5. 분류분석
Просмотров 2221 день назад
안녕하세요, 에듀테이너입니다. 이번 시간에는 로지스틱 리그레션(Logistic Regression)에 대해 학습해 보겠습니다. 로지스틱 회귀분석은 분석하고자 하는 대상들이 두 집단으로 나누어진 경우에, 개별 관측치들이 어느 집단에 분류될 수 있는가를 분석하고 예측하는 통계기법입니다. 로지스틱 회귀분석 모델에 대한 기본 이론과 개념을 학습하고 Brightics Studio를 사용하여 로지스틱 회귀분석의 실습을 진행합니다. #brightics #logisticregression #classification #studio #logistics
![[DS시리즈] 5.1-3 개요, KNN, Naive Bayes | 5.분류분석](/img/1.gif)
[DS시리즈] 5.1-3 개요, KNN, Naive Bayes | 5.분류분석
Просмотров 1128 дней назад
안녕하세요, 에듀테이너입니다. 이번 시간 부터는 Chapter 5. 분류분석에 대해 학습하겠습니다. 오늘은 분류분석(Classification) 모델에 대한 개요와 KNN, Naive Bayes 방법에 대해 학습하고 Brightics로 실습을 진행합니다. #brightics #분류분석 #classification #KNN #naivebayes #나이브베이즈
[DS시리즈] 4.4 군집분석 실습 | 4.군집분석
Просмотров 6Месяц назад
안녕하세요, 에듀테이너입니다. 이번 시간에는 군집분석 실습을 진행합니다. iris데이터를 이용 데이터 정규화가 군집분석에 미치는 영향을 살펴보고, 오산_동탄간의 고속도로 통행량을 기준으로 요일별로 교통량이 유사한 그룹을 묶어보는 실습을 진행합니다. #brightics #군집분석 #K-means #normalization #traffic #data
[DS시리즈] 4.3 K-means 군집분석 | 4.군집분석
Просмотров 9Месяц назад
안녕하세요, 에듀테이너입니다. 이번 시간에는 대표적인 비계층적 군집분석 방법인 K-means분석에 대해 학습하고, Brightics로 실습을 진행하겠습니다. #brightics #clustering #k-means #K평균 #군집분석
[DS시리즈] 4.2 계층적군집분석 | 4. 군집분석
Просмотров 17Месяц назад
안녕하세요, 에듀테이너입니다. 이번 시간에는 계층적 군집분석 방법에 대해 학습하고 Brightics로 실습을 진행합니다. 군집분석의 알고리즘은 크게 계층적방법과 비계층적 방법이 있습니다. 계층적방법은 병합적인 방법과 분할적인 방법이 있는데, 본 강의에서는 병합적인 방법을 소개합니다. 계층적 병합 군집화 방법은 정확히 하나의 레코드로 구성된 군집들로 시작하여, 최종적으로 모든 레코드들로 구성된, 하나의 군집만이 남을 때까지, 가장 가까운 두 군집들을, 점진적으로 병합해 나가는 방법입니다. #brightics #clustering #hierachical #계층적군집분석 #덴드로그램 #dendrogram
[DS시리즈] 4.1 군집분석개요 | 4. 군집분석
Просмотров 24Месяц назад
[DS시리즈] 4.1 군집분석개요 | 4. 군집분석 안녕하세요, 에듀테이너입니다. 이번 시간부터는 Chapter 4. 군집분석을 다룹니다. 군집분석의 개념을 이해하고, Brightics를 이용하여 군집분석을 수행하는 방법을, 예제를 통해 학습하겠습니다. #distance #similarity #normalization #euclidean #cityblock
[DS시리즈] 3.3 회귀분석실습 | 3. 회귀분석
Просмотров 28Месяц назад
개요: 이번 시간에는 선형회귀분석 모델링 실습을 진행하겠습니다. 연습문제 모델과 데이터를 다운로드하고 Brighitcs Studio로 실습을 진행합니다. #brightics #brighticsstudio #regression #practice #Galton
[DS시리즈] 3.2 Regression Analysis (회귀분석모델링) | 3. 회귀분석
Просмотров 35Месяц назад
[DS시리즈] 3.2 Regression Analysis (회귀분석모델링) | 3. 회귀분석 개요: 이번 시간에는 선형회귀분석 모델링에 대하여 학습하겠습니다. 선형회귀분석의 개요, 모델링 절차에 대해 학습하고, 예제를 통해 실습을 진행합니다. #brightics #regression #linearregression #iris ※모델&데이터: cafe.naver.com/brighticsstudio/469
[DS시리즈] 2.10-11 시계열분석, 평활법 | 2. 기초 통계 분석
Просмотров 33Месяц назад
[DS시리즈] 2.10-11 시계열분석, 평활법 | 2. 기초 통계 분석
brightics studio에서는 jupyter notebook 연동이 지원이 안되나요?
네, Enterprise 상용버전에서 가능합니다.
혹시 테이블을 생성했는데 저는 가로줄을 예측하고 싶은데 세로줄만 예측이 되요.. 어떻게 해결해야하죠..?
Transpose하시면 되겠습니다.
카페에 가입하고 싶은데, 네이버에 검색해도 나오지 않아서요. 링크를 부탁드려도 괜찮을까요?
cafe.naver.com/brighticsstudio
좋은 동영상 감사합니다😊 혹시 데이터셋에 나와있는 환자 'serial number'가 각 환자 '고유 id'값인지 아님 한 환자의 여러 번 실험한 값도 포함된 값일까 궁금한데 확인할 수 있을까요?😮
혹시 데이터 파일 받을 수 있을까요
혹시 도출해내야하는 결과값이 숫자가 아니라 O,X 이런식이면 어떻게 바꿔야하죠?
안녕하세요 의료 인공지능에 관심이 많은 고등학생입니다 해당 영상에 나온 데이터를 활용하여 브라이틱스 프로그램으로 실습을 해보고 싶은데 데이터를 어디에서 구하셨는지 링크 걸어주실 수 있나요..??
와 이게 인턴이 할 수 있는 프로젝트인가요? 수준이 말도 안되네요
영상 유익하게 잘 봤습니다. 재밌네요
해당 공정데이터셋을 사용해도되나요?
python script is support Variable ????
한 편의 영화를 보는 것 같았습니다 :)
서포터즈 분의 분석 팁을 알려주시는게 흥미롭고 유익한 것 같아요!
덕분에 설렘을 느끼고 갑니다 😄😄
퀴즈를 통해 진행되는 영상 잘봤습니다 :)
mbti로 소개팅을 하는 주제가 너무 신기하고 재밌게 봤습니다👏
세포들 연기 대박.. 다들 너무 귀여워요 어려운 분석 과정도 세포들 덕분에 시간 가는 줄 모르고 봤네요!👏
인터뷰 내용에서 자세하게 변수 간 관계를 설명해 주는 게 인상 깊었어요! 잘 봤습니다👏
편집 센스가 돋보인 영상이네요! 재밌게 잘 봤습니다👏
브스상사 분들 다 연기 잘하시네요👏👏 재밌게 잘 봤습니다!
영상 넘 잘봤습니다
모델&데이터 : cafe.naver.com/brighticsstudio/414
인터뷰 내용이 넘넘 유익하네요 브라이틱스 최고 ᵔ◡ᵔ
1:12 오타 있습니다
데이터셋은 어디 가서 다운로드 받아서 실습해야 하나요? 도와주세요. 학생들이랑 같이 해 보고 싶어요.
브스5팀 발표자분 또랑또랑하고 너무 좋아요😊
아주 멋져요~! 브스상사 재밌네요 ㅎㅎ
차장님이 인자하시네요 ㅎ
엠씨분 목소리가 쾌활하니 좋네요 ㅎㅎㅎ 퀴즈 재밌어요🅾️❎👍🏻👍🏻👍🏻
설렘설렘하네요 ㅎㅎㅎ
ㅈ같은 앱
전 한글판이러서 뭐라는지 하나도 모르겠네요. 개인 취향이겠지만, 여긴 한국이고, 청자도 대부분 한국인들인데, 굳이 영문판 쓰는 이유를 모르겠네요... 한글판도 올려주시면 감사하겠습니다.
0/1 부호화는 언제 하는거에요??
Great presentation 👏
𝓅𝓇o𝓂o𝓈𝓂
프로님 잘 보고 있습니다 😇 브라이틱스에서 배깅과 부스팅 흥미로운 주제네요!!
와우 최고에요 예은
💙
차트 축의 linspace (max값, min값, 간격 등...) 은 어떻게 조절하나요? 기능이 없나요??
동영상내 코드 : -) cafe.naver.com/brighticsstudio/394
데이터 & 모델은 : -> cafe.naver.com/brighticsstudio/393
모델&데이터 :-)> cafe.naver.com/brighticsstudio/390
데이타&모델 :-> cafe.naver.com/brighticsstudio/388
실제 사례로 회귀 알고리즘을 자세히 설명해주신 덕에 많은 도움이 되었습니다! 로버트 박사님 강의는 항상 최고입니다👍👍
정말 잘 만들었네요.ㅎㅎ
댓글 테스트입니다.
업그레이드 영상 : ruclips.net/video/0CpqKwMdtKM/видео.html
감사합니다
우리 손녀 혜현이 화이팅 ♡