측정 데이터로 시작하는 Machine Learning

온도 측정 기록에서 경보를 만들고, 센서 보정식의 예측 오차를 비교합니다.

시작 조건

시각 [0,5,10,15,20,25] min, 온도 [24,25,29,23,30,26] °C입니다. 경보는 온도가 기준을 초과할 때 켭니다.

진행 방법

1. 학습 예제를 실행해 경보가 발생한 시각과 온도를 대조하세요.
2. 기준을 28°C에서 26°C로 바꾸고 경보가 추가된 시각을 찾으세요.
3. 같은 그래프에 기준선과 경보 지점을 표시하고 기준을 바꾼 영향을 설명하세요.

남길 결과

• 기준별 경보 시각·개수와 축·단위가 있는 그래프.

시작 조건

센서 입력 $x=\begin{bmatrix}20&22&24&26\end{bmatrix}$ °C, 기준 온도 $y=\begin{bmatrix}22.5&24.7&26.8&29.1\end{bmatrix}$ °C입니다. 보정식은 y_hat=1.1*x+0.5입니다.

진행 방법

1. 입력 그대로의 예측과 보정식의 예측을 각각 계산하세요.
2. 각 예측과 기준값의 차이, 절댓값 오차의 평균을 구하세요.
3. 새 입력 28°C, 기준 온도 31.4°C에서도 두 방법의 오차를 비교하세요.

남길 결과

• 입력·기준·두 예측·오차를 나란히 둔 표와 새 측정값의 비교.

시작 조건

같은 시각의 기록 [24,None,29,100,26,28] °C를 사용합니다. 센서의 유효 온도 범위는 15–40°C이며 None은 측정 실패입니다.

진행 방법

1. 측정 실패와 범위 밖의 값을 구분해 원래 시각과 함께 기록하세요.
2. 유효한 값으로 평균과 28°C 초과 경보를 계산하세요. ≥ 조건으로 바꾼 경우와 비교하세요.
3. 그래프에서 빠진 시각을 없애지 말고 측정이 없다는 사실이 드러나게 표시하세요.

남길 결과

• 입력 상태 표, 유효 측정값의 평균·경보 수, 결측을 구분한 그래프.