Scikit-learn은 Python을 위한 가장 인기 있는 머신 기대 라이브러리 중 하나입니다. 기계 기울이기를 더 간단하게 만드는 많은 비지도 및지도 학습 알고리즘을 제공합니다.
freeCodeCamp.org YouTube 채널에 scikit-learn 과정을 게시했습니다. 이 과정에서는 scikit-learn의 기본 사항을 알려 주므로 자신의 머신 러닝 프로젝트에서 사용할 수 있습니다.
Vincent D. Warmerdam이 이 과정을 만들었습니다. Vincent는 자신의 웹 사이트와 연구 옹호자로서의 직업에서 많은 기계 학습 개념을 가르쳤습니다. 그는 또한 scikit-learn과 함께 작동하는 몇 가지 유용한 오픈 소스 라이브러리를 만들었습니다.
Vincent는 차분하고 단순한 방식으로 복잡한 주제를 분석하는 요령이 있습니다.
먼저 scikit-learn에 대한 개요를 얻고 몇 가지 고급 주제에 대해 배웁니다.
다음으로 전처리 도구에 대해 배웁니다. 전처리는 모델의 성능에 큰 영향을 미칩니다.
세 번째 섹션에서는 측정 항목과 머신 러닝 모델을 판단하기 위한 사용자 지정 측정 항목을 만드는 방법에 대해 알아 봅니다.
그런 다음 메타 추정기에 대해 배웁니다. 이는 데이터 후 처리와 관련이 있습니다.
마지막으로 scikit-learn과 통합되고 기계 학습을 보다 인간적으로 만들려고 시도하는 기계 학습 라이브러리에 대해 학습합니다.
아래 또는 freeCodeCamp.org YouTube 채널 (2 시간 시청)에서 전체 과정을 시청하세요.
등록된 댓글이 없습니다.
