전체 글
많은 것을 알고 싶고 변화하는 나의 과정을 기록하고, 공유 하는
-
입력 부분 - Input layer 추가한 부분 - Hidden layer 출력 부분 - Output layer 결과를 만들기 위해서는 Hidden layer의 모든 값들을 입력으로 하는 하나의 Perceptron이 필요하다. 위의 그림 중 왼쪽을 보면 13개의 입력(input layer) 5개의 출력(hidden layer), 오른쪽을 보면 5개의 입력(hidden layer) 1개의 출력(output layer) -> 딥러닝, 인공 지능망의 토대라고 볼 수 있다. 모델의 구조(회귀모델)를 만드는 코드에 위의 hidden layer 추가해서 살펴보면, hidden layer의 활성화 함수(activation)는 'swish'를 사용해주고 X, H, Y는 순서대로 앞의 것을 입력으로 받아 연결시키면 되는..
3. Deep Learning(Hidden layer)입력 부분 - Input layer 추가한 부분 - Hidden layer 출력 부분 - Output layer 결과를 만들기 위해서는 Hidden layer의 모든 값들을 입력으로 하는 하나의 Perceptron이 필요하다. 위의 그림 중 왼쪽을 보면 13개의 입력(input layer) 5개의 출력(hidden layer), 오른쪽을 보면 5개의 입력(hidden layer) 1개의 출력(output layer) -> 딥러닝, 인공 지능망의 토대라고 볼 수 있다. 모델의 구조(회귀모델)를 만드는 코드에 위의 hidden layer 추가해서 살펴보면, hidden layer의 활성화 함수(activation)는 'swish'를 사용해주고 X, H, Y는 순서대로 앞의 것을 입력으로 받아 연결시키면 되는..
2021.07.28 -
평균의 대표성을 무너뜨리는 값들을 이상치라고 하는데 이상치로 인해 평균의 대표성을 사용하기 힘들 때 중간값을 사용한다. # 컬럼 설명 1 범죄율 4 강변 5 평균 방수 13 하위계층 비율 1~13까지 14에 영향을 미치는 독립변수 14 종속변수 X=tf.keras.layers.Input(shape=[13]) Y=tf.keras.layers.Dense(1)(X) 13개의 입력으로부터 1개의 출력을 만든다 model = tf.keras.models.Model(X, Y) model.compile(loss=‘mse’) 종속변수 1개의 결과를 만들 때 수식이 1개가 필요한데 만약 독립변수의 개수가 12개, 종속변수의 개수가 2개라면 Perceptron 2개가 병렬로 연결된 모델이 되는 것이고, 찾아야 하는 가중치..
2. Deep Learning(보스턴 집값 예측, 아이리스 품종 분류)평균의 대표성을 무너뜨리는 값들을 이상치라고 하는데 이상치로 인해 평균의 대표성을 사용하기 힘들 때 중간값을 사용한다. # 컬럼 설명 1 범죄율 4 강변 5 평균 방수 13 하위계층 비율 1~13까지 14에 영향을 미치는 독립변수 14 종속변수 X=tf.keras.layers.Input(shape=[13]) Y=tf.keras.layers.Dense(1)(X) 13개의 입력으로부터 1개의 출력을 만든다 model = tf.keras.models.Model(X, Y) model.compile(loss=‘mse’) 종속변수 1개의 결과를 만들 때 수식이 1개가 필요한데 만약 독립변수의 개수가 12개, 종속변수의 개수가 2개라면 Perceptron 2개가 병렬로 연결된 모델이 되는 것이고, 찾아야 하는 가중치..
2021.07.28 -
데이터 준비하기 1 데이터를 불러온다 종속변수와 독립변수로 분리한다. 실습을 통해 배울 도구들 파일 읽어오기: read_csv('/경로/파일명.csv') 모양 확인하기: 데이터.shape 칼럼 선택하기: 데이터[['칼럼명1', '칼럼명 2', '칼럼명 3']] 칼럼 이름 출력하기: 데이터.columns 맨 위 5개 관측치 출력하기: 데이터.head() 샘플 데이터 GitHub github link: https://github.com/blackdew/tensorflow1/tree/master/csv 레모네이드: https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/lemonade.csv 보스턴:https://raw.githubuserconte..
1. Strat Deep Learning (레모네이드 판매 예측)데이터 준비하기 1 데이터를 불러온다 종속변수와 독립변수로 분리한다. 실습을 통해 배울 도구들 파일 읽어오기: read_csv('/경로/파일명.csv') 모양 확인하기: 데이터.shape 칼럼 선택하기: 데이터[['칼럼명1', '칼럼명 2', '칼럼명 3']] 칼럼 이름 출력하기: 데이터.columns 맨 위 5개 관측치 출력하기: 데이터.head() 샘플 데이터 GitHub github link: https://github.com/blackdew/tensorflow1/tree/master/csv 레모네이드: https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/lemonade.csv 보스턴:https://raw.githubuserconte..
2021.07.26 -
max로 정의된 max.py() 함수를 사용할 수 있도록 import를 통해 가져오고, 난수를 뽑기 위해서 random 도 함께 import 하였습니다. from [가져올 모듈=파일 이름]에서 max_of() 함수를 import 하겠다는 의미이고, x라는 빈 리스트를 입력할 개수만큼 공간 None으로 만듭니다. 그 후 random.randint(low,high)를 통해 최솟값과 최댓값 사이의 값 중 1개를 뽑게 한 후, for 문을 통해 입력할 개수만큼 작동시키면 가져온 max_of() 함수를 사용해 원하는 값을 뽑아낼 수 있습니다. 배열 원소를 역순으로 정렬하는 알고리즘을 생각해봅시다. 예로 배열 a의 원소가 7개이고 [2,5,1,3,9,6,7]로 저장되어 있다면 이것..
Python 알고리즘 자료구조와 배열(하)max로 정의된 max.py() 함수를 사용할 수 있도록 import를 통해 가져오고, 난수를 뽑기 위해서 random 도 함께 import 하였습니다. from [가져올 모듈=파일 이름]에서 max_of() 함수를 import 하겠다는 의미이고, x라는 빈 리스트를 입력할 개수만큼 공간 None으로 만듭니다. 그 후 random.randint(low,high)를 통해 최솟값과 최댓값 사이의 값 중 1개를 뽑게 한 후, for 문을 통해 입력할 개수만큼 작동시키면 가져온 max_of() 함수를 사용해 원하는 값을 뽑아낼 수 있습니다. 배열 원소를 역순으로 정렬하는 알고리즘을 생각해봅시다. 예로 배열 a의 원소가 7개이고 [2,5,1,3,9,6,7]로 저장되어 있다면 이것..
2021.07.21 -
기계를 학습시켜 인간의 판단능력을 기계에 위임하는 것이 Machine Learning이다. TensorFlow는 다양한 직업에 대해 데이터 흐름 프로그래밍을 위한 오픈소스 소프트웨어 라이브러리이다. Symbolic 수학 라이브러리이자, 인공신경망 같은 기계 학습 응용프로그램에도 사용된다. Python API를 제공하며 문서화가 약간 부족하지만 C/C++ API 도 제공한다. 보통 텐서 플로우를 이용해 해결하려 하는 문제는 Machine Learning 지도 학습(Supervised Learning)의 회귀(Regression, 숫자 예측)와 분류(Classification, 범주 예측)이다. TensorFlow는 수많은 라이브러리 중 하나이다. 딥러닝 이론을 코딩으로 쉽게 이용해 줄 수 있는 여러 라이브..
1. Start TensorFlow기계를 학습시켜 인간의 판단능력을 기계에 위임하는 것이 Machine Learning이다. TensorFlow는 다양한 직업에 대해 데이터 흐름 프로그래밍을 위한 오픈소스 소프트웨어 라이브러리이다. Symbolic 수학 라이브러리이자, 인공신경망 같은 기계 학습 응용프로그램에도 사용된다. Python API를 제공하며 문서화가 약간 부족하지만 C/C++ API 도 제공한다. 보통 텐서 플로우를 이용해 해결하려 하는 문제는 Machine Learning 지도 학습(Supervised Learning)의 회귀(Regression, 숫자 예측)와 분류(Classification, 범주 예측)이다. TensorFlow는 수많은 라이브러리 중 하나이다. 딥러닝 이론을 코딩으로 쉽게 이용해 줄 수 있는 여러 라이브..
2021.07.21 -
아무런 가능성이 없었다면 처음부터 시작하지도 않았을 거야 시련을 겪어야 한다면 차라리 극한의 시련을 겪자
3. 누군가에게 힘이 되고 싶은 문구아무런 가능성이 없었다면 처음부터 시작하지도 않았을 거야 시련을 겪어야 한다면 차라리 극한의 시련을 겪자
2021.07.20 -
지금까지 Machine Learning이라는 도구를 이루고 있는 여러 기능을 살펴보았습니다. 하지만 응용을 하고, 선택을 해야 할 때 막막한 느낌이 들 수 있어 참고할 수 있는 좋은 표를 가져왔습니다. 위의 지도가 모든것을 해결해주지 않습니다. 현실에 적용되는 것들은 훨씬 어렵고 복잡하기 때문입니다. 그동안 배웠던 것만을 기반으로 만든 것입니다. 지난 6일간 큰 그림을 멀 리버 보듯 가볍게 Machine Learning에 대해 배워보았습니다. 여기서 더 나아가 자신의 필요한 부분이 있다면 알아서 검색하고, 지식을 늘려나가겠지요? 숙련된 Machine Learning Engineer와 현실적으로는 큰 차이가 있겠지만, 철학적으로는 큰 차이가 없다고 말해도 될 것 같아요. 개인의 노력과 발전으로 인해 현실적..
6. Finished Machine Learning지금까지 Machine Learning이라는 도구를 이루고 있는 여러 기능을 살펴보았습니다. 하지만 응용을 하고, 선택을 해야 할 때 막막한 느낌이 들 수 있어 참고할 수 있는 좋은 표를 가져왔습니다. 위의 지도가 모든것을 해결해주지 않습니다. 현실에 적용되는 것들은 훨씬 어렵고 복잡하기 때문입니다. 그동안 배웠던 것만을 기반으로 만든 것입니다. 지난 6일간 큰 그림을 멀 리버 보듯 가볍게 Machine Learning에 대해 배워보았습니다. 여기서 더 나아가 자신의 필요한 부분이 있다면 알아서 검색하고, 지식을 늘려나가겠지요? 숙련된 Machine Learning Engineer와 현실적으로는 큰 차이가 있겠지만, 철학적으로는 큰 차이가 없다고 말해도 될 것 같아요. 개인의 노력과 발전으로 인해 현실적..
2021.07.20 -
이번에는 비지도 학습(Unsupervised learning)에 대해 배워보려 합니다. 비지도 학습 대표적으로 군집화, 연관, 변환으로 크게 나눌 수 있습니다. 1. 군집화(Clustering) 군집화(clustering)는 비슷한 것들을 찾아 그룹을 만드는 것입니다. 분류(classification)와 구분이 안 갈 수 있는데, 예를 들면 물건들을 정리한다 하였을 때 비슷한 것들끼리 모아서 적당한 그룹을 만드는 것이 군집화입니다. 그룹을 만들고 난 후 각각의 물건을 적당한 그룹에 위치시키는 행위를 분류라고 할 수 있습니다. 즉 어떤 대상들을 구분해서 그룹을 만드는 것이 군집화라면 분류는 어떤 대상이 어떤 그룹에 속하는지를 판한다는 것이라고 볼 수 있습니다. 표의 숫자만 보고 군집화를 하는 것은 쉽지 않..
5. Machine Learning Types이번에는 비지도 학습(Unsupervised learning)에 대해 배워보려 합니다. 비지도 학습 대표적으로 군집화, 연관, 변환으로 크게 나눌 수 있습니다. 1. 군집화(Clustering) 군집화(clustering)는 비슷한 것들을 찾아 그룹을 만드는 것입니다. 분류(classification)와 구분이 안 갈 수 있는데, 예를 들면 물건들을 정리한다 하였을 때 비슷한 것들끼리 모아서 적당한 그룹을 만드는 것이 군집화입니다. 그룹을 만들고 난 후 각각의 물건을 적당한 그룹에 위치시키는 행위를 분류라고 할 수 있습니다. 즉 어떤 대상들을 구분해서 그룹을 만드는 것이 군집화라면 분류는 어떤 대상이 어떤 그룹에 속하는지를 판한다는 것이라고 볼 수 있습니다. 표의 숫자만 보고 군집화를 하는 것은 쉽지 않..
2021.07.19