Introduction to Statistical Learning 내용를 파이썬으로 구현하는 것을 이 것으로 끝낸다.
10장 - Unsupervised Learning
- Principal Component Analysis (PCA)
- 간단히 직접 PCA를 만들어 PCA 이해
- scikit-learn PCA 사용하기
- Clustering
- K-Means
- scikit-learn의 Hierarchical Clustering
- SciPy의 Hierarchical Clustering
- 실습 - NCI60 데이터 활용
- NCI60에 PCA 적용하기
- NCI60에 Clustering 적용
- 전체 데이터
- Principal Component에 대해
- NCI60에 Classification 실행 - Gene Expression으로 종양 타입 예측
- Principal Component 활용
- Gradient Boosting Machine 활용
- Grid Search CV를 활용해 최적 패러미터 탐색
'Learning & Reasoning > Python - Scikit-learn_Tensorflow' 카테고리의 다른 글
텐서플로우 딥러닝의 여러 라이브러리 (0) | 2017.08.23 |
---|---|
시인들을 위한 딥러닝과 텐서플로우 (0) | 2017.08.23 |
ISLR Chapter 9 - Support Vector Machine (0) | 2016.11.29 |
ISLR Chapter 8 - Tree 기반 방법 (Random Forest, Gradient Boosting) (0) | 2016.11.20 |
ISLR Chapter 5 - Resampling Methods (모델 평가) in Python (0) | 2016.11.07 |