본문으로 바로가기

강의

R의 caret로 배우는 Machine Learning

중급기술 수준

업데이트됨 2023. 11.

이 과정은 예측 모델을 구축하고 평가하는 방법과 같은 머신 러닝의 핵심 개념을 가르칩니다.

무료로 강의 시작

RMachine Learning

4시간

24 동영상

88 연습 문제

6,200 XP

60,704

성취 증명서

수천 개 기업의 학습자들이 사랑하는

팀을 교육하시나요?

비즈니스용으로 체험해 보세요

강의 설명

Machine Learning은 데이터로부터 학습하고 예측하는 알고리즘을 연구하고 적용하는 분야입니다. 검색 결과부터 자율주행차까지, 우리의 삶 곳곳에 활용되고 있으며 데이터 사이언스에서 가장 흥미롭고 빠르게 성장하는 분야 중 하나입니다. 이 강의에서는 Machine Learning의 핵심 개념을 다룹니다. 예측 모델을 구축하고 성능을 평가하는 방법, 최적의 성능을 위해 튜닝하는 방법, 더 나은 결과를 위한 데이터 전처리 방법 등을 배웁니다. 강의 전반에 걸쳐 R의 인기 패키지인 caret을 사용하여, R의 강력한 Machine Learning 도구들을 일관된 인터페이스로 활용하는 법을 익힙니다.

선수 조건

Introduction to Regression in R

1

회귀 모델: 적합과 성능 평가

이 강의의 첫 번째 장에서는 train()으로 회귀 모델을 적합하고, 교차 검증과 평균제곱근오차(RMSE)를 사용해 샘플 외 성능을 평가해 보겠습니다.

강의에 오신 것을 환영합니다

선형 회귀의 내부 표본 RMSE

diamonds 데이터에 대한 선형 회귀의 샘플 내 RMSE

샘플 외 오류 측정치

선형 회귀의 Out-of-sample RMSE

데이터 프레임을 무작위로 섞기

80/20 분할 시도하기

테스트 세트에 예측하기

테스트 세트 RMSE를 직접 계산하기

샘플 외 RMSE와 샘플 내 RMSE 비교하기

교차 검증

교차 검증의 장점

10-겹 교차 검증

5-겹 교차 검증

5 x 5-겹 교차 검증

새 데이터에 대한 예측 만들기

2

분류 모델: 적합과 성능 평가

이 장에서는 train()으로 분류 모델을 적합하고, 교차 검증과 곡선하면적(AUC)을 사용해 샘플 외 성능을 평가합니다.

3

성능 향상을 위한 하이퍼파라미터 튜닝

이 장에서는 train() 함수를 사용해 교차 검증과 그리드 서치를 통해 모델 하이퍼파라미터를 조정합니다.

랜덤 포레스트와 와인

Random forest와 선형 모델 비교

랜덤 포레스트 적합하기

더 넓은 모델 공간 탐색하기

더 긴 tuneLength의 장점

더 긴 튠 길이 시도하기

사용자 지정 튜닝 그리드

사용자 지정 튜닝 그리드의 장점

사용자 지정 튜닝으로 랜덤 포레스트 적합하기

glmnet 소개

glmnet의 장점

사용자 정의 trainControl 만들기

사용자 정의 trainControl로 glmnet 적합하기

사용자 지정 튜닝 그리드로 glmnet 다루기

왜 사용자 지정 튜닝 그리드를 쓸까요?

사용자 지정 trainControl과 튜닝을 적용한 glmnet

glmnet 플롯 해석하기

4

데이터 전처리

이 장에서는 모델을 적합하기 전에 train()으로 데이터를 전처리하는 연습을 하여, 더 정확한 예측을 할 수 있도록 역량을 높입니다.

중앙값 대치

중앙값 대치 vs. 행 제거

중앙값 대치 적용하기

KNN 대치와 중앙값 대치 비교

KNN 대치 사용하기

KNN 대치와 중앙값 대치 비교

여러 가지 전처리 방법

연산 순서

전처리 방법 결합하기

정보량이 낮은 예측 변수 처리하기

왜 near zero variance 예측 변수를 제거할까요?

Near zero variance 예측 변수 제거

preProcess()와 nearZeroVar()

축소된 blood-brain 데이터에 모델 적합

주성분 분석 (PCA)

nearZeroVar()의 대안으로 PCA 사용하기

5

모델 선택: 이탈(Churn) 예측 사례 연구

이 강의의 마지막 장에서는 resamples()를 사용해 여러 모델을 비교하고, 최적의 모델을 선택하거나 앙상블하는 방법을 배웁니다.

trainControl 재사용하기

왜 trainControl을 재사용할까요?

사용자 지정 학습/테스트 인덱스 만들기

glmnet 다시 살펴보기

기준선 모델로서의 glmnet

베이스라인 모델 학습하기

random forest 다시 살펴보기

Random forest의 한계점

사용자 지정 trainControl로 random forest 학습

모델 비교하기

train/test 인덱스 일치시키기

resamples 객체 만들기

resamples 더 알아보기

상자수염그림 만들기

산점도 만들기

모델 앙상블 만들기

R의 caret로 배우는 Machine Learning

강의
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요지금 등록

19백만 명 이상의 학습자와 함께 R의 caret로 배우는 Machine Learning을(를) 시작하세요!

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.