# 챌린저호의 사고 조사 데이터!!launch a a(Intercept) 3.698413> b btemperature-0.04753968 abline(a= a, b= b, col= 'blue') # 다중선형 회귀(multiple linear regression# y ~ x1 + x2 + x3 + ...str(launch)lm_launch |t|) (Intercept) 3.527093 1.307024 2.699 0.0142 * # 유의수준 0.05temperature -0.051386 0.018341 -2.802 0.0114 * # 온도와의 절대값이 가장 큼 -> 상관관계가 가장 큼field_check_pressure 0.001757 0.003402 0.517 0.6115 # 유의수준 1flight_num..
R
# 선형 회귀(Linear Regression)# 종속 변수 하나와 독립(설명) 변수들 간의 관계를 수식으로 설명/예측하는 방법# y = a + bx(a, b는 상수)# x: 독립(설명) 변수, y: 종속 변수 # 데이터 준비heights lm_heights lm_heights Call:lm(formula = son ~ father, data = heights) Coefficients:(Intercept) father 86.1026 0.5139 y절편 기울기 > summary(lm_heights) Call:lm(formula = son ~ father, data = heights) Residuals: # 오차/잔차 Min 1Q Median 3Q Max-22.5957 -3.8614 0.0091 4.1230..
# 버섯 분류 - 나이브 베이즈 방법 # 1. 데이터 준비mushroom 버섯 분류할 때 사용되지 않는 변수 -> 데이터 프레임에서 제거mushroom$veil_type
의사결정 트리: 분할 정복(Divide and conquer) 규칙 학습 : 분리 정복(Seperate and conquer) 분할 정복과 분리 정복의 차이점 ○ 분할에 의해 생성된 파티션은 재정복되지 않고 단지 하위 분할만 된다. 즉, 트리는 이전 결정의 이력에 의해 영원히 제약된다. ○ 분리 정복으로 규칙을 발견하면, 규칙의 모든 조건으로 커버되지 않는 어떤 관찰값(예시)든 재정복될 수 있다. # 규칙 학습자(rule learner) 분류기 . 가장 정확도가 높은 규칙 1개를 찾는다.mushroom table(mushroom$type) edible poisonous 4208 3916 # veil_type 변수는 모든 행이 동일한 값 - 분류 기준이 될 수 없음.mushroom$veil_type mus..
