[TIL] Day 34 - ML, Loss Fuction, log

 

 

 

 34일차 

ML

• datetime.dt.year
• 로그를 취하는 이유
  • 값이 너무 커지는 것을 막기 위해
  • 그래프를 비교적 완만하게 만들어 정규분포의 형태에 가깝게 만들 수 있게 된다.
  • 첨도와 왜도가 낮아진다.
• 로그에 취한 값을 다시 되돌리려면? -> e^(취한값) - 1
  • np.log1p
  • np.expm1
• kde 그래프
  • 커널 밀도 그래프
  • 커널 함수를 이용한 밀도 추정의 방법
  • 밀도를 추정한다는 것은 확률밀도함수를 그려보겠다는 것
• 로그를 취해서 학습을 하고 나온 값은 다시 지수를 취해서 돌려놓는다.
• 코로나 데이터를 보면 월을 사용하지 않고, 연도-월을 이용
  • 각 월마다의 추이는 같지만, 연도를 기준으로 해서 값이 배나 차이가 나기 떄문
  • 월마다의 영향력이 있는게 아니라 연도가 더 쏀 느낌 (?)
• X_train, y_train, X_test
• feature_names, label_name
• from sklearn.ensemble import RandomForestRegressor
• sklearn.metrics.SCORERS.keys() 손실함수 보기
  • 추정치와 실제값의 오차
  • 손실함수가 작을수록 좋은 것이다.
  • 손실함수를 최소화하도록 하는 것
  • 왜 손실함수가 필요한가? -> 딱 추정치를 맞추는 것이 무척 어렵기 떄문
  • 그 언저리 맞추기 위해서
  • 그리고 그걸 얼만큼 맞췄나 평가하기 위해서
• MSE, MAE, RMSE, RMSLE
• 이상치 찾기
• 희소값 탐색
• 변수 스케일링
  • ss
  • minmax
  • rs

 

 

 

 회고 

흠 복습을 열심히 해야할 것 같습니다.

이해가 되다가도 되지 않고 그렇네요.

그래도 반복하다보니까 확실히 머릿속에 익는 느낌입니다. 🧠

 

 

 

 

---