즐거운사람의블로그

201015 Perceptron 뇌의 기능 (뉴런)을 모델링한 하나의 학습 기계 다수의 신호를 입력받아서 하나의 신호를 출력하는 구조 활성화 함수 (Activation function) 다음 신경망에 정할지, 일정 수준이 넘는지 판단하는 함수 이런 Perceptron을 이용하면 사람처럼 생각하는 기계를 만들 수 있을 것이다 Perceptron으로 AND, OR, NAND, XOR GATE을 학습, 판단 XOR은 하나의 Perceptron으로 구현할 수 없는 문제 발생 MLP (Multi Layer Perceptron)으로 가능하나 너무 어려워서 학습이 거의 안됨 GATE 연산 수행하는 Logistic Regression 구현 # TF 1.15 버전 # GATE 연산 수행하는 Logistic Regress..

1. 지난주 금요일 colab mnist 코드 실행 결과 2. 어제 멀티노미얼 코드 수정 1012 3. 1013 코드도// 가상환경을 구축한다. 가상환경 새로 구축 (base) C:\WINDOWS\system32>conda create -n data_env_tensorflow2 python=3.7 openssl 필요한 라이브러리 설치 (base) C:\WINDOWS\system32>conda activate data_env_tensorflow2 (data_env_tensorflow2) C:\WINDOWS\system32>conda install nb_conda (data_env_tensorflow2) C:\WINDOWS\system32>conda install numy, pandas, matplotlib..

Google Colab 사용 Google Drive 마운트 하기, 런타임 유형 GPU로 변경, 상단 우측에 런타임 '연결' 클릭 => ram, 디스크표시 우선 학습 용으로, 내장된 tensorflow를 지우고 1.15.0버전으로 설치 후 런타임 재연결. (다운그레이드) !pip uninstall tensorflow !pip install tensorflow==1.15 # 1.15 버전 Tensorflow 설치 # 런타임 다시 실행 import tensorflow as tf print(tf.__version__) # 1.15.0 성능평가 (Precision, Recall, Accuracy, F1-score) sklearn, metric classification_report(, , ,) from sklea..

Logistic Regression은 반드시 성능평가 (Accuracy)를 진행해야 한다. 성능 평가 지표 (Metric) Learning Rate와 Overshooting Learning Rate가 너무 큰 경우 Overshooting이 발생하여 최적점을 지나친다. Learning Rate가 너무 작은 경우에는 최적점에 도달하지 못한 채 학습이 끝난다. Overfitting Training data에 대해 학습이 너무 잘 아루어져서, 오히려 실제 입력 데이터에는 적용이 잘 안되는 경우 Overfitting을 해결하는 방법들 많은 양의 Training Data를 활용한다. -> 프로그래밍적으로는 해결x Feature Engineering을 통해 Feature (=독립변수)의 개수를 줄인다. Weight ..

Logistic Regression을 python, tensorflow, sklearn으로 각각 구현¶ logistic curve 로지스틱 곡선(曲線): 지수 함수라고도 하며, 갖가지 형태의 성장 모델에 쓰이는 S자형 곡선. In [11]: # %reset # # Logistic Regression을 python, tensorflow, sklearn으로 각각 구현 # 독립변수 1개 import numpy as np import tensorflow as tf from sklearn import linear_model #### # 수치미분함수를 들고와서 사용한다. # 다변수 수치미분코드 def numerical_derivative(f, x): # f: 미분하려고 하는 다변수 함수 # x : 모든 변수를 포함..

Machine Learning 1. Regression - Linear Regression 2. Classification - 분류 Training Data Set 특성과 분포를 파악한 후 마지막 입력 데이터에 대해 어떤 종류의 값으로 분류될 수 있는지 예측 1) Pass/Fail 2개 중 1개로 분류 -> binary classification 학습 후 예측 -> 그 결과값 0~1 실수 통상적으로 확률로 0.5 이상 -> 1-> Pass / 0.5 미만 -> 0 -> Fail 2) A, B, C, D x개 중 1개로 분류 -> multinomial classification Classification 구현 알고리즘 중 SVM, Naive Bayese : 기본적인 Classification 알고리즘 Lo..

Tensorflow를 이용한 Linear Regression Tesnsorflow 설치 Tensorflow는 버전이 1.x 2.x 버전이 있다. pip install tensorflow==1.15 ## Tensorflow를 이용한 Linear Regression # Tesnsorflow 설치 import tensorflow as tf print(tf.__version__) node = tf.constant('Hello World') # Node 생성 # 만든 Graph를 실행하기 위해 Session이 필요 sess = tf.Session() # runner인 Session이 생성되었으니, 이걸 이용해서 node 실행 print(sess.run(node)) # b'Hello World' - byte tyo..