Round Here

scikit-learn 라이브러리를 사용하기 위해 전처리(preprocessing)을 해야 할 경우가 흔히 생김.ISLR 3장의 Linear Regression 중 Categorical 변수, Interaction, 변수의 Non-linear Tranformation 을 scikit-learn에서 활용하기 위해 필요한 간단한 전처리 과정 a little preprocessing

Introduction to Statistical Learning 4 장, Classification 중 - KNN Classification을 Python으로, Introduction to Statistical Learning 3 장 - KNN Regression 포함, Logistic Regression도 포함KNN Classification & Regression Classification Model의 평가를 위한 metric - Confusion Matrix, Accuracy, Sensitivity, Precision, ROC 커브, AUC 등 내용도 함께 Regression Model의 평가를 위한 metric - MAE (Mean Absolute Error), MSE (Mean Squared ..

Introduction to Statistical Learning 4 장, Classification 중 - Logistic Regression을 Python으로, Logistic Regression scikit-learn과 statsmodels 두 형태로 Classification Model의 평가를 위한- Confusion Matrix, Accuracy, Sensitivity, Precision 등 내용도 함께

Introduction to Statistical Learning 3 장 - Python으로, Linear Regression

ISLR 3장 Linear Regression 내용을 Python (Jupyter Notebook)으로 만든 것을 몇일 전 GitHub에 올렸다. 다른 내용들도 정리되는 대로 차례로 올려야겠다. GitHub Repo : https://github.com/hyunblee/ISLR-with-Python.git

어느새 4년이 되었다. 2013년 지금은 기억이 안나는 어디선가 좋은 책이 나왔다고 해서 읽기 시작한 것이 ISLR (Introduction to Statiscal Learning with application in R) 이다. 1983년 Duda & Hart의 "Pattern Classification and Scene Analysis"와 Tou & Gonzalez의 "Pattern Recognition Principles" 를 읽기 시작한 이후 꽤 많은 패턴인식이나 머신러닝책들을 보았다. 4년전 당시 막 익힌 R을 이용하면 머신러닝(데이터사이언스)을 이공계 출신이 아닌 사람들도 쉽게 사용할 수 있어 그에 맞는 책을 찾아보고 있었다. 쉽고 친절하면서도 내용을 우스개거리로 만들지 않으며 핵심을 집는 그런..