supervised-learning

이 저장소는 미분, 확률, 로그와 같은 기초 수학부터 시작하여 지도 학습 머신러닝에 대한 종합적인 가이드를 제공합니다. 현대적인 도구로 전환하기 전에 수학적 개념을 도출하는 단계별 접근 방식을 사용합니다. 주요 교육 구성 요소는 다음과 같습니다: - Logistic Regression: 이론 및 Wisconsin Breast Cancer 데이터셋을 사용한 바닥부터 구현, 그리고 프로덕션 수준의 PyTorch 구현. - Decision Trees: 이론적 심층 분석과 바닥부터 구현, 그리고 Scikit-learn, Random Forests, XGBoost를 사용하여 London housing prices를 예측하는 실무 적용. - ATLAS (Automated Tree Learning Analysis System): 특성 공학 및 모델 비교를 위한 시스템. - Datasets: 분류 및 회귀 작업을 위한 Wisconsin Breast Cancer 및 London Housing Prices 데이터셋 통합. 해당 자료는 브라우저 기반 실행을 위해 Google Colab과 호환되는 Jupyter notebook 형태로 제공됩니다.