WEBVTT 00:00.110 --> 00:05.510 주피터 연구소에서 마지막 시간을 보내게 됐습니다 전통적인 머신 러닝이죠 00:05.510 --> 00:07.100 거의 다 끝났어요 00:07.130 --> 00:09.170 개인적으로는 정말 재미있어요 00:09.260 --> 00:12.290 너무 견디기 힘들진 않았길 바라요 00:12.320 --> 00:17.600 그래도 멋진 경험이었어요 스스로 실험해 보셨길 바라요 기능을 00:17.600 --> 00:23.660 추가하고 실험하면서 더 많은 걸 얻을 수 있는지 보세요 get it 00:23.660 --> 00:29.150 이게 마지막으로 본 도표인데 단어 2개가 평균 115 오류로 나왔어요 00:29.180 --> 00:35.390 기억하실지 모르겠지만 원래 Wards NLP 모델에선 더 잘했죠 114 113까지 00:35.390 --> 00:39.320 가능했던 것 같아요 6살쯤요 00:39.680 --> 00:46.010 이제 마지막 모델 두 개를 공개할 거예요 00:46.040 --> 00:54.980 벡터 머신의 벡터 회귀를 지원할 겁니다 전통적인 머신 러닝 00:55.010 --> 00:56.630 기술이죠 00:56.630 --> 01:03.070 데이터 포인트를 가지고 초고층 행성에 맞춰 데이터를 분리할 때 서포트 01:03.100 --> 01:08.560 벡터라는 것을 이용합니다 초고층 행성에 가장 가까운 지점의 01:08.590 --> 01:09.730 벡터죠 01:09.820 --> 01:14.530 여러분에겐 말도 안 되는 얘기일 수도 있고 이미 아는 걸 제가 잘 설명하지 못하는 걸 수도 01:14.530 --> 01:15.100 있죠 01:15.100 --> 01:16.840 어느 쪽이든 상관없어요 01:16.840 --> 01:22.630 라이브러리를 스키킷 배우기에서 그대로 가져올 거예요 사용하기 아주 쉽죠 01:22.750 --> 01:24.970 선형 SVR을 사용해요 01:25.000 --> 01:31.000 더 나은 결과를 내는 다른 종류의 알갱이들도 있지만 실행하는 데 오래 걸리죠 01:31.000 --> 01:36.700 이건 너무 빨리 돌아가요 너무 빠르죠 그래서 제가 제대로 사용하지 않는다는 생각이 01:36.730 --> 01:37.630 들어요 01:37.720 --> 01:44.380 이미 실행해봤고 5초 정도 걸렸지만 다른 커널로 사용한 건 밤새 01:44.380 --> 01:47.890 실행했는데도 아직 안 끝났어요 01:47.890 --> 01:53.920 그 중간쯤인 것 같아요 한번 살펴봐 주세요 01:54.070 --> 01:58.480 하지만 이게 제가 할 수 있는 최선이었어요 01:58.510 --> 02:02.610 어떻게 작동하는지 보죠 02:02.640 --> 02:03.240 준비됐어요? 02:03.270 --> 02:04.080 Put it! Put it! 베팅하세요 02:04.080 --> 02:05.700 이제 실행할게요 02:05.970 --> 02:06.990 안 그럴게요 02:07.290 --> 02:09.510 저기 있네요 02:09.600 --> 02:10.470 좋아요 02:10.890 --> 02:12.360 네 02:12.360 --> 02:17.190 노랑, 빨강, 초록이 많이 들어갔어요 02:17.190 --> 02:22.740 확실히 으깨지진 않지만 심각해 보이지는 않네요 02:22.740 --> 02:25.860 Get-Tuck Season 1 닙턱 시즌 1 차트에서는 어떨지 보죠 02:26.940 --> 02:33.210 지금까지는 아주 좋아요 02:33.240 --> 02:35.220 112살요 5분 02:35.250 --> 02:43.680 이전 우승자보다 머리카락이 더 낫네요 그 사람은 단어 한 자루로 선형 회귀 모델이었어요 02:43.710 --> 02:49.980 겉으로 보기에는 좋은 점이 많지만 평균보다 훨씬 높은 점수를 02:50.070 --> 02:52.740 추정하기는 어렵네요 02:52.860 --> 02:58.950 진전이 있긴 하지만 대단한 진전은 없어요 02:59.400 --> 03:03.590 지원 벡터 회귀 모델이에요 03:03.770 --> 03:11.990 이제 마지막 모델로 넘어가죠 임의 숲 임의 숲 퇴행 임의 숲이에요 03:12.020 --> 03:13.610 특별한 기술이죠 03:13.610 --> 03:19.040 작은 모델들을 조합하는 일종의 앙상블 기술이에요 03:19.250 --> 03:27.050 그게 결합하는 모델은 각각 데이터 포인트와 기능의 무작위 샘플을 취합니다 03:27.050 --> 03:32.270 우리 경우엔 벡터의 다른 덩어리를 의미하죠 03:32.390 --> 03:38.900 그걸 바탕으로 훈련하고 그 모델들을 전부 합쳤어요 03:38.900 --> 03:45.350 회귀의 경우 이 미니 모델들의 평균을 취합니다 그걸 임의 숲이라고 03:45.350 --> 03:47.000 하죠 03:47.090 --> 03:49.610 어떻게 되는지 보죠 03:49.610 --> 03:55.700 데이터셋의 형태와 크기에 상관없이 잘 작동한다고 알려져 있죠 03:55.730 --> 03:59.540 하이퍼 매개 변수가 많지 않다는 점에서 좋아요 03:59.570 --> 04:04.520 하이퍼 매개변수는 추가적인 것을 수정하기 위한 추가적인 노브라고 부르죠 04:04.520 --> 04:06.800 다양한 가치를 시도해 봐야 해요 04:07.100 --> 04:09.230 아무 숲이나 있는 건 아니죠 04:09.230 --> 04:11.480 있는 그대로 사용하고 어떻게 되는지 보는 거죠 04:11.480 --> 04:15.560 있는 그대로 사용했으니 어떻게 되는지 보죠 04:15.590 --> 04:19.970 테스터 닷 테스트 무작위 처리기로 통과했어요 04:19.970 --> 04:21.680 다시 한 번 베팅을 걸어요 Put 04:21.980 --> 04:25.880 무작위 숲이 더 잘할까요? 아니면 더 못할까요? 04:25.910 --> 04:28.010 112가 넘어야 할 숫자죠 04:28.010 --> 04:30.740 전통적인 머신 러닝은 어떤지 보죠 04:30.740 --> 04:31.790 녹색도 좀 보이고요 04:31.790 --> 04:34.130 붉은색도 있고 녹색도 있어요 04:34.370 --> 04:36.830 뛰는 건 비트보다 좀 느려요 04:36.860 --> 04:42.020 녹색과 붉은색이 아주 많이 보여요 04:42.320 --> 04:45.230 하지만 일반적으로 그런 게 있어요 04:45.230 --> 04:46.820 다 됐어요 04:46.820 --> 04:50.060 무작위 숲이 이겼어요 04:50.090 --> 04:52.940 오류는 97달러예요 04:52.940 --> 04:54.920 10만 달러도 안 돼요 04:54.950 --> 04:56.780 손잡이가 9개예요 04:56.780 --> 04:58.610 100달러도 안 돼요 04:58.640 --> 04:59.930 지금까지는 최고였죠 04:59.930 --> 05:02.370 34%가 초록색이에요 05:02.550 --> 05:03.840 우리 대사예요 05:03.840 --> 05:05.130 여기 초록색 점들이 있고요 05:05.130 --> 05:09.450 비트를 예상하는 데 문제가 좀 있었지만 그렇게 나쁘진 않았어요 05:09.720 --> 05:11.310 저 사람 때문에 얼마나 잘 됐는지 보세요 05:11.340 --> 05:14.220 정말 비싼 제품인데 녹색이네요 05:14.340 --> 05:23.340 그리고 대체로 잘 진행되고 있어요 확실히 우승 후보라고 할 수 있죠 05:23.340 --> 05:25.410 축하해요, 랜덤 포레스트 05:25.500 --> 05:27.450 물론 축하할 일이죠 05:27.450 --> 05:34.710 이걸 극복했다면 난수 포레스트 같은 걸 쓸 수 있어요 방금 나온 벡터만 넣는 05:34.710 --> 05:38.160 게 아니라 기능을 추가할 수도 있죠 05:38.160 --> 05:45.540 어떤 기능을 만들어 끼워 넣을 수도 있죠 그걸 이용해서 이 기록을 깰 수도 있고요 97보다 05:45.540 --> 05:49.110 더 잘 만들 수도 있죠 get it 05:49.230 --> 05:55.530 전통적인 머신 러닝을 어떻게 즐기는지 보죠 LMS를 05:55.530 --> 05:59.640 시험하기 전에 이게 끝이니까요 05:59.640 --> 06:02.730 그 전에 슬라이드로 간단히 마무리하죠