[카테고리:] 가이드

클러스터링은 데이터 세트 내에서 관찰 그룹을 찾으려고 시도하는 기계 학습 기술입니다. 목표는 각 군집 내의 관측값이 서로 매우 유사한 반면, 다른 군집의 관측값은 서로 상당히 다른 군집을 찾는 것입니다. 클러스터링은 비지도 학습 의 한 형태입니다 . 응답 변수 의 값을 예측하는...

분산은 데이터 값이 평균을 중심으로 얼마나 잘 분포되어 있는지를 측정하는 방법입니다. 모집단 의 분산을 구하는 공식은 다음과 같습니다. σ 2 = Σ ( xi – μ) 2 / N 여기서 μ는 모집단 평균, x i 는 모집단의 i 번째 요소, N은...

클러스터링은 데이터 세트 내에서 관찰 그룹 또는 클러스터를 찾으려고 시도하는 기계 학습 기술입니다. 목표는 각 군집 내의 관측값이 서로 매우 유사한 반면, 다른 군집의 관측값은 서로 상당히 다른 군집을 찾는 것입니다. 클러스터링은 비지도 학습 의 한 형태입니다 . 응답 변수 의...

학생 잔차는 단순히 잔차를 추정된 표준 편차로 나눈 것입니다. 실제로, 우리는 일반적으로 학생 잔차가 절대값 3보다 큰 데이터 세트의 모든 관측치를 이상치라고 말합니다. 다음 구문을 사용하는 MASS 패키지의 Studres() 함수를 사용하여 R에서 모든 회귀 모델의 스튜던트화 잔차를 빠르게 얻을 수 있습니다....

학생 잔차는 단순히 잔차를 추정된 표준 편차로 나눈 것입니다. 실제로, 우리는 일반적으로 학생 잔차가 절대값 3보다 큰 데이터 세트의 모든 관측치를 이상치라고 말합니다. 다음 구문을 사용하는 statsmodels의 OLSResults.outlier_test() 함수를 사용하여 Python에서 회귀 모델의 스튜던트화 잔차를 빠르게 얻을 수 있습니다. OLSResults.outlier_test() 여기서...

박스콕스 변환(box-cox 변환)은 비정규 분포 데이터 세트를 보다 정규 분포된 세트로 변환하는 데 일반적으로 사용되는 방법입니다. 이 방법의 기본 아이디어는 다음 공식을 사용하여 변환된 데이터가 정규 분포에 최대한 가깝도록 λ 값을 찾는 것입니다. y(λ) = (y λ – 1) / y...

두 벡터 A 와 B 사이의 맨해튼 거리는 다음과 같이 계산됩니다. Σ|a i – b i | 여기서 i 는 각 벡터의 i 번째 요소입니다. 이 거리는 두 벡터 간의 차이점을 측정하는 데 사용되며 다양한 기계 학습 알고리즘 에서 일반적으로 사용됩니다....

두 벡터 A 와 B 사이의 민코프스키 거리는 다음과 같이 계산됩니다. (Σ|a i – b i | p ) 1/p 여기서 i 는 각 벡터의 i 번째 요소이고 p 는 정수입니다. 이 거리는 두 벡터 간의 차이점을 측정하는 데 사용되며 다양한...

R에서 회귀 분석 이나 ANOVA를 수행하면 출력 테이블에는 해당 유의 코드 와 함께 분석에 사용된 변수에 대한 p 값이 포함됩니다. 변수가 통계적으로 유의미한 경우 이러한 유의성 코드는 일련의 별표 또는 소수점으로 표시됩니다. 다양한 의미 코드를 해석하는 방법은 다음과 같습니다. significance code...

R에서 선형 회귀 모델을 맞추려면 lm() 명령을 사용할 수 있습니다. 회귀 모델의 출력을 표시하려면 summary() 명령을 사용할 수 있습니다. 이 튜토리얼에서는 R에서 회귀 출력의 각 값을 해석하는 방법을 설명합니다. 예: R에서 회귀 출력 해석 다음 코드는 예측 변수로 hp , drat...