Notice
Recent Posts
Recent Comments
Link
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 | 31 |
Tags
- 베이지안 최적화
- 경력 기술서
- 주요 파라미터
- 퀀트
- 데이터사이언스학과
- 하이퍼 파라미터
- 이력서 첨삭
- 경력기술서 첨삭
- 하이퍼 파라미터 튜닝
- 퀀트 투자 책
- 데이터분석
- 판다스
- sklearn
- 주식데이터
- 대학원
- 머신러닝
- 파이썬
- 데이터사이언스
- pandas
- 커리어전환
- 랜덤포레스트
- 코딩테스트
- 데이터사이언티스트
- 데이터 사이언티스트
- 데이터 사이언스
- 자기소개서
- 파라미터 튜닝
- AutoML
- 사이킷런
- 주가데이터
Archives
- Today
- Total
목록래퍼 방법 (1)
GIL's LAB
유전 알고리즘을 이용한 특징 선택
이번 포스팅에서는 유전 알고리즘을 이용하여 특징을 선택하는 방법에 대해 알아보겠습니다. 유전 알고리즘에 대한 설명은 이 포스팅을 참고하시기 바랍니다. 추후에 유전 알고리즘의 테크니컬한 부분을 중심으로 한 번 다루겠습니다. 래퍼 방법(wrapper method) 래퍼 방법은 모델의 예측 정확도 측면에서 가장 좋은 성능을 보이는 특징 집합을 구성하는 방법입니다. 다시 말해, 래퍼 방법이 해결하고자 하는 문제는 아래 그림과 같이 원 특징 집합의 부분 집합을 특징 집합으로 사용했을 때의 모델의 예측 정확도를 최대로 하는 부분 집합을 찾는 것입니다. 즉, 위 그림에서 원 특징 집합 X 로부터 적절한 특징을 선택하여 구성한 특징 집합 ϕ 를 지도학습 모델에 투입했을 때 나오는 점수(예: 정확도, MAE, 재현율 등..
데이터사이언스/최적화
2022. 4. 6. 22:17