일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
Tags
- dto
- 음수가 포함된 최단경로
- 직무면접
- Java
- top-down
- union-find
- 코딩테스트
- bottom-up
- Python
- Android Studio
- clean code
- spring boot
- 동적계획법
- 플로이드 와샬
- 엔테크서비스
- 다익스트라
- 벨만 포드 알고리즘
- 유니온 파인드
- compiler
- 거쳐가는 정점
- Controller
- 기술면접
- BufferedReader
- onclick
- 우선순위큐
- 최단경로
- Django
- disjoint set
- kmeans
- scikit-learn
Archives
- Today
- Total
목록KNN (1)
춤추는 개발자
Python을 활용한 KNN 알고리즘
이전 포스팅에서는 머신러닝의 비지도학습 중 대표적인 Clustering을 다뤄봤습니다. 이번에는 머신러닝의 지도학습에 해당하는 KNN 알고리즘에 대해 알아보겠습니다. KNN 알고리즘은 최근접 이웃 알고리즘이라고도 합니다. 새로운 데이터를 입력받았을 때, 이 데이터와 가장 근접한 데이터들의 종류가 무엇인지 확인하고 해당 그룹으로 분류하는 알고리즘입니다. KNN은 아래처럼 3단계에 걸쳐 진행됩니다. 1. 주변 데이터 간의 거리계산하기 2. 가장 근처에 있는 요소 뽑기 3. 분류되는 군집 예측하기 위 그림은 KNN알고리즘의 동작 과정으로 신규 데이터(흰색)가 K값에 따라 분류되는 군집을 Prediction으로 확인할 수 있습니다. 다만, K를 너무 작게 설정하면 과적합이 우려되며 너무 크게 설정하면 데이터 구..
Developer's_til/그외 개발 공부
2020. 10. 4. 16:13