ML Basics 17
- 머신러닝 기초 (16) - 이상치 탐지
- 머신러닝 기초 (15) - 차원축소: PCA
- 머신러닝 기초 (14) - 군집화: K-means와 계층군집
- 머신러닝 기초 (13) - 데이터 누수와 파이프라인
- 머신러닝 기초 (12) - 전처리: 스케일링, 인코딩, 결측치
- 머신러닝 기초 (11) - 앙상블: 랜덤포레스트와 부스팅
- 머신러닝 기초 (10) - 결정트리
- 머신러닝 기초 (9) - 선형 모델: 선형 회귀와 로지스틱 회귀
- 머신러닝 기초 (8) - 회귀 평가: RMSE, R², 잔차
- 머신러닝 기초 (7) - 분류 평가: 혼동행렬과 ROC-AUC
- 머신러닝 기초 (6) - 규제: Ridge와 Lasso
- 머신러닝 기초 (5) - 교차검증과 하이퍼파라미터 튜닝
- 머신러닝 기초 (4) - 과대적합과 일반화: train/valid/test와 편향-분산
- 머신러닝 기초 (3) - 경사하강법: 손실을 줄이는 법
- 머신러닝 기초 (2) - 손실 함수: 모델이 최소화하는 것
- 머신러닝 기초 (1) - 지도학습이란: 회귀와 분류
- 머신러닝 기초 (0) - 시리즈 소개