머신런닝 1일차 교육자료

머신런닝 모델은 아래 두가지로

 

 - Price모델 : 주가를 모델화시켜서 예측

 - Factor모델 : 예측이 안되므로 주가에 미치는 요소를 찾아서 높은 랭킹에 투자

 

Factor모델

 - 파라메터의 범위 즉 타임프레임이 중요

 

SVM(support vector machine)

 - 딥러닝이 나오기 이전에 많이 사용하던 머신러닝 기법

https://ko.wikipedia.org/wiki/%EC%84%9C%ED%8F%AC%ED%8A%B8_%EB%B2%A1%ED%84%B0_%EB%A8%B8%EC%8B%A0

 

딥러닝

 - 약 50~60년전에 나온 이론으로 2가지 난제를 해결함으로써 최근 각광을 받고 있음.

 - 하나는 relu

 - 나머지하나는 모르겠다.

 

머신러닝

 - 블랙박스

 - 어떠한 데이터가 어떤 패턴 혹은 구조로 이루어져있는지 모를때 사용하기 좋음

 

머신런닝의 종류(필요 파라메터)

 - Supervised (Input/Output)

 - Unsupervised (Input)

 - Reinforcement

 

피쳐엔지니어링

  - 데이터제조(?)

  - 머신러닝이 데이터를 이용할 수 있도록 데이터를 최적으로 가공해야 좋은 결과를 암

  - 인간이 해야하는 영역

 

 

머신런닝을 활용할때 아래 순서대로

 

1. 데이터를 눈으로 확인하고, 미씽데이터(잘못된 데이터)를 처리한다.(초보자는 상식적으로 불필요 데이터 제거)
2. 데이터 분석 시작(EDA)
3. 기초 통계를 살펴본다.  명령어 하나로 다 볼수있음.
4. 가설을 스스로 세워야함.
5. 데이터를 보고 비중을 주어야 명확하게 파악할 수 있다.