After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
앙상블 학습의 멋진 세계로 뛰어들어 Machine Learning 여정을 이어가 보세요! 앙상블은 여러 개의 개별 알고리즘을 결합해 성능을 높이고, 다양한 산업 분야에서 대규모 복잡한 문제를 해결하는 흥미로운 Machine Learning 기법입니다. 온라인 Machine Learning 대회에서도 앙상블 기법이 자주 우승하곤 해요!
이 강의에서는 bagging, boosting, stacking 같은 고급 앙상블 기법을 자세히 다룹니다. scikit-learn, XGBoost, CatBoost, mlxtend와 같은 최신 Python Machine Learning 라이브러리를 사용해 실제 데이터셋에 적용해 볼 거예요.
사전 요구 사항
커리큘럼
코스 개요
1
여러 모델 결합하기
여러분이 만든 모델 중 어떤 것이 문제에 가장 잘 맞는지 고민하고 계신가요? 그 고민은 이제 그만하시고, 대신 전부 활용해 보세요! 이 장에서는 "Voting"과 "Averaging"을 사용해 여러 모델을 하나로 결합하는 방법을 배웁니다. 이를 활용해 Google Play 스토어 앱 평점 예측, 포켓몬이 전설 포켓몬인지 여부, 그리고 왕좌의 게임에서 어떤 캐릭터가 죽을지까지 예측해 볼 거예요!
2
Bagging
Bagging은 랜덤 포레스트와 같은 강력한 Machine Learning 알고리즘의 기반이 되는 앙상블 방법입니다. 이 장에서는 해당 기법의 이론을 배우고, scikit-learn으로 직접 bagging 모델을 만들어 봅니다.
3
Boosting
Boosting은 AdaBoost처럼 수상 경력이 있는 모델들을 포함하는 앙상블 학습 기법의 한 종류입니다. 이 장에서는 이 수상 경력 모델을 배우고, 이를 사용해 수상한 영화들의 매출을 예측해 봅니다! 또한 CatBoost와 XGBoost 같은 gradient boosting 알고리즘도 학습합니다.
4
Stacking
이제 쌓아 올리는 힘을 확인해 볼 시간이에요! 마지막 장에서는 stacking 앙상블 방법을 배웁니다. scikit-learn과 mlxtend 라이브러리를 사용해 구현하는 방법을 익혀요! North America 버섯의 식용 가능성을 예측해 보고, 더 발전된 접근 방식으로 Google 앱의 평점 예측도 다시 시도해 봅니다.
Python에서의 앙상블 기법
코스
완료
