feature engineering

3주 전 · ai

비선형 데이터 마스터하기: Scikit-Learn의 SplineTransformer 가이드

뻣뻣한 직선과 거친 다항식을 잊어버리세요. Splines가 왜 특성 엔지니어링의 ‘Goldilocks’인지 알아보세요. 유연성과 규율의 완벽한 균형을 제공합니다.

#scikit-learn #spline-transformer #feature-engineering #non-linear-data #machine-learning
3주 전 · ai

도끼를 갈다: 현대 머신러닝을 위한 R에서의 Principal Component Analysis (PCA) 수행

“나에게 나무를 베는 데 6시간을 주면, 처음 4시간은 도끼를 갈아놓는 데 쓸 것이다.” — 에이브러햄 링컨 이 인용구는 현대 machine과 강하게 공명한다.

#principal component analysis #PCA #dimensionality reduction #R programming #machine learning #data preprocessing #feature engineering
3주 전 · ai

AI 에이전트를 활용한 머신러닝 자동화

개요 Kaggle 대회에 참여하면 곧 패턴을 발견하게 됩니다: 베이스라인 – 데이터를 업로드하고, CatBoost 또는 LightGBM을 실행하여 베이스라인 지표를 ≈ ½ 정도 얻는다.

#AutoML #machine learning #AI agents #Kaggle #feature engineering #hyperparameter optimization #CatBoost #LightGBM
1개월 전 · ai

ML 모델: 왜 당신의 예측은 좋은가... 그렇지 않을 때까지

기사 이미지 https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.amazo...

#machine learning #feature engineering #ML pipelines #model evaluation #business metrics #data science #production ML #model monitoring
1개월 전 · software

Tranalyzer2를 사용한 PCAP에서 플로우 수준 네트워크 특징 추출

왜 Flow‑Level Feature Extraction이 중요한가? Flow‑level representation은 현대 네트워크 트래픽 분석에서 기본적인 추상화이다. 대신에 ...에 대해 작동하는 대신.

#network analysis #PCAP #flow extraction #Tranalyzer2 #traffic characterization #feature engineering #machine learning
1개월 전 · ai

당신의 모델은 Time-Blind인가? Cyclical Feature Encoding의 필요성

주기적 인코딩이 머신러닝 예측을 향상시키는 방법 The post Is Your Model Time‑Blind? The Case for Cyclical Feature Encoding appeared first on Towards D...

#cyclical encoding #feature engineering #time series #machine learning #periodic features
1개월 전 · ai

피처 엔지니어링

Feature Engineering이란 무엇인가? - feature는 단순히 데이터의 열, 예를 들어 age, salary, number of purchases와 같은 컬럼이다. - Feature Engineering은 feature를 생성, 수정, 혹은 선택하는 것을 의미한다.

#feature engineering #machine learning #data preprocessing #model accuracy #data science