동영상
-
너무 꼼꼼해서 문제? 의사결정나무 과적합 해결
-
타겟 자료형에 따라 분석 모델이 달라진다?
-
분석가가 직접 설정하라! 하이퍼파라미터의 모든 것
-
SVM과 의사결정나무 | SVM의 개념과 유형 | 의사결정나무(지니지수/엔트로피지수) | 범주형 자료와 수치형 자료 | PART1.머신러닝 |
-
가능성을 최대로 만드는 로지스틱회귀분석의 학습원리
-
회귀와 손실함수 | 최소제곱법과 결정계수 | 선형 / 다항 / 규제 / 로지스틱회귀 | 시그모이드와 소프트맥스 함수 | PART1.머신러닝 |
-
![한국이 '양자 기술' 판 뒤집는다! 양자컴퓨터 핵심기술 총출동! 지금 서울대에서 벌어지고 있는 '어마어마한 일' [Science PD Pick] / YTN 사이언스](https://i2.ytimg.com/vi/-RKA55XwzKA/hqdefault.jpg)
한국이 '양자 기술' 판 뒤집는다! 양자컴퓨터 핵심기술 총출동! 지금 서울대에서 벌어지고 있는 '어마어마한 일' [Science PD Pick] / YTN 사이언스
-
가장 분류를 잘하는 SVM의 핵심은 도로 폭?
-
인공지능의 개요 | 머신러닝의 유형 | 약인공지능 vs 강인공지능 | 규칙기반 전문가시스템 | PART1.머신러닝 |
-
분류와 혼동행렬 | 데이터 라벨링과 인코딩 | KNN과 나이브베이즈 분류 | 혼동행렬과 ROC 커브 | PART1.머신러닝 |