본문 바로가기

머신러닝24

머신러닝 :: 합성곱 신경망(CNN, Convolutional Neural Networks) 딥러닝_합성곱 신경망(CNN) 1. 합성곱 신경망(CNN) · 컴퓨터 비전(Computer Vision, CV) 분야에서 사용되는 이미지 처리 방식으로 입력데이터와 필터의 각각의 요소를 서로 곱한 후 모두 더하여 출력값을 생성한다. ※ 참고. 합성곱 관련 논문자료 中 · 합성곱 출력결과는 아래와 같이 순차적으로 생성된다. · Filter, Strides and Padding 아래 왼쪽 그림에서 보면 5x5크기의 입력이 주어졌을 때 3x3크기의 필터(Filter 또는 Kernel)를 사용하여 합성곱을 계산하면 3x3크기의 특성맵(Feature map)을 생성할 수 있다. 이 때 필터가 이동하는 간격을 스트라이드(Stride)라고 부른다. 그런데 이러한 연산을 진행하면 연산 특성상 출력값인 맵의 크기가 줄어.. 2022. 10. 13.
머신러닝 :: 딥러닝 MNIST 실습_캐글 Sign Language 데이터셋 딥러닝 MNIST 실습_캐글 Sign Language 데이터셋 1. 딥러닝 MNIST 실습 · 영어 알파벳 수화 데이터셋 (※ 링크 : https://www.kaggle.com/datamunge/sign-language-mnist) 1) 데이터셋 다운로드 import os os.environ['KAGGLE_USERNAME'] = '' # username os.environ['KAGGLE_KEY'] = '' # key !kaggle datasets download -d datamunge/sign-language-mnist !unzip sign-language-mnist.zip 2) 패키지 로드 from tensorflow.keras.models import Model from tensorflow.keras.. 2022. 10. 13.
머신러닝 :: 딥러닝 XOR 예측 실습(이진 논리회귀, MLP, keras functional API) 머신러닝 XOR 예측 실습(이진 논리회귀, MLP, keras functional API) 1. XOR 예측 · 아래의 그림을 참고로 XOR 경우의 예측모델을 만들어본다. 1) 환경 지정 · 아래와 같이 필요한 모듈들을 클래스로부터 불러오기한다. import numpy as np from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense from tensorflow.keras.optimizers import Adam, SGD x_data = np.array([[0, 0], [0, 1], [1, 0], [1, 1]], dtype=np.float32) y_data = np.array([[0], [1], [1].. 2022. 10. 13.
머신러닝 :: 딥러닝 주요 개념(배치, 활성화 함수, 과적합, 앙상블) 딥러닝 개념(배치, 활성화 함수, 과적합, 앙상블) 1. 딥러닝의 개념 · 자연계에는 직선으로 설명할 수 없는 문제들이 훨씬 많다. 이러한 문제들은 선형회귀를 반복한다고 해결이 되지 않기 때문에 선형회귀에 비선형 계산식을 추가하여 문제를 해결할 수 있다. · 위와 같이 선형 회귀 사이에 비선형 들어간 여러개의 층(layer)으로 구성된 것을 딥러닝(Deep learning)이라고 한다. 딥러닝(Deep learning)은 Deep neural networks, Multilayer Perceptron(MLP)라고도 표현한다. 2. 딥러닝, Deep neural networks의 구성 · MLP는 아래 3개의 층으로 구분할 수 있다. - Input layer(입력층): 네트워크의 입력. 학습시키고자 하는 값.. 2022. 10. 13.
Web 개발 :: 파이썬 django 인스타그램 코드 리뷰, 머신러닝_TIL#29 ■ JITHub 개발일지 29일차 □ TIL(Today I Learned) :: 파이썬 알고리즘/// 1. 인스타그램 클론코딩 코드 리뷰 (USER 관리 기능) - urls.py에서 아래와 같이 app_name을 지정하면 템플릿 작성시 아래 캡쳐부분과 같이 사용할 수 있다. from django.urls import path from . import views app_name = 'users' # 템플릿 작성할 때 사용하기 위해 app_name 지정 urlpatterns = [ path('sign-in/', views.sign_in_view, name = 'sign-in'), path('sign-up/', views.sign_up_view, name = 'sign-up'), path('logout/', .. 2022. 10. 13.
머신러닝 :: 다항 논리회귀(Logistic Regression)_와인 종류 예측 머신러닝 이진 논리회귀_캐글(Kaggle) 와인 종류 예측 1. 이진 논리회귀(Binary Logistic Regression) ※ 와인 종류 예측하기 1) 데이터 다운로드 · 캐글(Kagge) 사용자 API 정보 입력 import os os.environ['KAGGLE_USERNAME'] = 'kairess' # username os.environ['KAGGLE_KEY'] = '7d0443b2dfffc57c94271fd797511896' # key · 데이터 다운로드 !kaggle datasets download -d brynja/wineuci !unzip wineuci.zip 2) 필요한 패키지 임포트 · 다항 논리회귀에서는 One-Hot encoding을 해야 하기 때문에 사이킷런을 통해 OneHo.. 2022. 10. 12.
머신러닝 :: 이진 논리회귀(Logistic Regression)_캐글(Kaggle) 타이타닉 생존자 예측 머신러닝 이진 논리회귀_캐글(Kaggle) 타이타닉 생존자 예측 1. 이진 논리회귀(Binary Logistic Regression) ※ 타이타닉 생존자 예측하기 1) 데이터 다운로드 · 캐글(Kagge) 사용자 API 정보 입력 import os os.environ['KAGGLE_USERNAME'] = 'username' # username os.environ['KAGGLE_KEY'] = 'key' # key · 데이터 다운로드 !kaggle datasets download -d heptapod/titanic !unzip titanic.zip 2) 필요한 패키지 임포트 from tensorflow.keras.models import Sequential from tensorflow.keras.layers.. 2022. 10. 12.
머신러닝 :: 전처리(Preprocessing)의 개념 및 종류 머신러닝 전처리(Preprocessing)의 개념 및 종류 1. 전처리(Preprocessing) · 넓은 범위의 데이터 정제작업을 뜻한다. 필요없는 데이터를 지우고 필요한 데이터만 남기거나, 비어있는 값(null)이 있는 행을 삭제하는 것, 정규화(Normalization), 표준화(Standardization)등의 많은 작업을 포함하고 있다. 1) 정규화(Normalization) : 데이터가 0과 1사이의 범위 내에 속하도록 만든다. 같은 특성의 대이터 중 가장 작은 값을 0으로, 가장 큰 값을 1으로 지정하고 이 기준에 따라 나머지 데이터들을 변환한다. 2) 표준화(Standardization) : 표준화는 데이터 분포를 정규분포로 변환해준다. 즉 데이터의 평균을 0으로 잡고, 표준편차가 1이 되.. 2022. 10. 12.
머신러닝 :: 머신러닝 모델(SVM, KNN, 의사결정 나무, 랜덤 포레스트) 머신러닝 모델(SVM, KNN, 의사결정나무, 랜덤 포레스트) 1. SVM(Support Vector Machine) · 아래 그림의 오른쪽 그래프처럼 각 서포트 벡터를 구분할 수 있는 축을 그리고 margin을 계산한다. SVM에서는 margin이 최대가 되도록 모델을 학습시킨다. · 위의 그림에서는 x1, x2 두가지의 특징으로 구분했을 경우이지만, 두개의 특징으로도 구분이 되지않는 경우가 생길 수 있다. 이 때에는 x3, x4, ...의 특징을 추가하여 feature(특성)를 3차원 이상으로 만들어줄 수 있다. Feature가 늘어날 수록 classifier의 성능은 높아진다. 2. KNN(k-Nearest Neighbors) · 가까운 거리 내의 개체를 보고 비슷한 특성을 가진 개체끼리 군집화하는.. 2022. 10. 12.
머신러닝 :: 논리 회귀(Logistic Regression) 개념 머신러닝 논리 회귀(Logistic Regression) 1. 논리 회귀(Logistic Regression) 1) Logistic Function(=Sigmoid Function) · 로지스틱 함수는 어떤 입력값(x)에도 출력결과(y)가 항상 0에서 1사이의 값이 된다. 다시 말하면, x값이 음수방향으로 갈수록 출력값이 0에 수렴하고, 양수방향으로 커질 수록 출력값이 1에 수렴하는 함수이다. 아래 그림의 경우 초록색 선을 임계치(Threshold)로 사용하여 0.5를 통과하면 Pass, 통과하지 않으면 Fail 등과 같이 판단기준으로 사용할 수 있다. 경우에 따라서 임계치는 높이거나 낮추도록 조정할 수 있다. 2) 논리회귀에서의 식 · 시그모이드 함수에 선형회귀식을 대입하여 사용한다. · 이 때 손실함.. 2022. 10. 11.
반응형

티스토리툴바