Page 8 -
P. 8
10.5 선형 회귀 모델의 성능 평가 421
10.6 회귀에 규제 적용 425
10.7 선형 회귀 모델을 다항 회귀로 변환 427
10.7.1 사이킷런을 사용하여 다항식 항 추가 427
10.7.2 주택 데이터셋을 사용한 비선형 관계 모델링 429
10.8 랜덤 포레스트를 사용하여 비선형 관계 다루기 433
10.8.1 결정 트리 회귀 433
10.8.2 랜덤 포레스트 회귀 435
10.9 요약 438
11장 레이블되지 않은 데이터 다루기: 군집 분석 441
11.1 k- 평균 알고리즘을 사용하여 유사한 객체 그룹핑 442
11.1.1 사이킷런을 사용한 k-평균 군집 443
11.1.2 k- 평균 ++로 초기 클러스터 센트로이드를 똑똑하게 할당 447
11.1.3 직접 군집 vs 간접 군집 449
11.1.4 엘보우 방법을 사용하여 최적의 클러스터 개수 찾기 451
11.1.5 실루엣 그래프로 군집 품질을 정량화 452
11.2 계층적인 트리로 클러스터 조직화 457
11.2.1 상향식으로 클러스터 묶기 458
11.2.2 거리 행렬에서 계층 군집 수행 459
11.2.3 히트맵에 덴드로그램 연결 463
11.2.4 사이킷런에서 병합 군집 적용 465
11.3 DBSCAN을 사용하여 밀집도가 높은 지역 찾기 466
11.4 요약 472
machinelearning_06.indd 24 2021-03-17 오후 12:35:57
