PCA와 SVD 알고리즘은 차원의 저주를 극복하는 데 어떻게 도움이 되나요?
아래 보기 중 참인 문장을 고르세요:
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
이 장에서는 결측치와 이상치 처리, 데이터 정규화 등 예측용 Machine Learning 모델을 만들기 위해 필요한 모든 전처리 단계를 수행해 봅니다.
이 장에서는 지도 학습 기법의 여러 측면을 연습합니다. 최적 특성 부분집합 선택, 과적합 방지를 위한 정규화, 특성 공학, 그리고 편향-분산 균형을 다루기 위한 앙상블 모델을 실습합니다.
이 장에서는 비지도 학습을 활용해 차원 축소를 위한 특성 추출과 시각화 기법을 적용하고, 적절한 클러스터링 알고리즘 선택과 최적 클러스터 개수 결정을 위한 클러스터링 방법을 연습합니다.
현재 연습
마지막 장에서는 한 단계 더 나아가, 부트스트래핑과 교차 검증으로 모델 일반화 성능을 평가하고, 불균형 클래스에 대한 리샘플링 기법을 적용하며, 다중공선성을 탐지·제거하고, 앙상블 모델을 구축합니다.
