[TIL] day 26 오세광 201012

# 키워드: 선형회귀(Linear-Regression), 머신러닝, 지도학습(회귀,분류), 비지도학습, feature 행렬, target 벡터, 예측모델, 데이터 사이언티스트의 role 등

# (Act)What you actually did.

1. 실제 데이터 사이언티스트가 예측모델을 만들려고 할 때, 맞딱드리게 될 상황을 질문하고, 그에 따른 시나리오를 그려보았다.
2. 샘플 평균과 관측치의 오차를 최소화할 수 있는 RSS(residual sum of square)를 찾았다.
3. Scikit-Learn 라이브러리를 바탕으로 선형회귀 모델을 만들어봤다.

# (Evaluate)How you evaluate your action's outcome vs. the initial goal(plan).
1. 대기업 혹은 스타트업에서 데이터사이언티스트의 역할에 대해서 좀 이해할 수 있었다. 앞으로 내가 어떤 롤을 하고 싶은지 구체화하는데 도움이 되었다.
2. 선형회귀모델을 만들기 위해 쓰이는 scikit-learn 라이브러리에 대해서 문서를 좀 더 읽어봐야 겠다.
3. 특징이 여러개 일 때 사용하는 방법에 대해서도 조금 더 찾아볼 예정이다.

# (Reflect)
How you worked throughout the stages plan-research-act-observe-evaluate.
What did you do well, what can you improve upon.
How can you improve your process?

1. 실제 머신러닝을 위해서 가격예측을 하기 위한 데이터를 모으는 것을 찾아볼 예정이다. 머신러닝을 하기위한 충분한 데이터를 확보하는 것은 어느정도 인지 더 알아볼 예정이다.
2. 테니스 선수들의 데이터를 통해서, 승률을 예측할 수 있는 머신러닝 모델이 궁금하다. 각 4대 메이저 대회에서 각각의 데이터가 어떻게 다르게 영향을 미치는지 알아보는 것도 재미있을 것 같다.
3. 여러 데이터를 함께하여 예측모델을 만들어가는 과정을 추가적으로 공부해볼 예정이다.