'머신러닝' 태그의 글 목록

본문 바로가기

728x90

머신러닝

10/11 화 1. 머신러닝 작업 순서 및 학습 방법 별 대표적인 알고리즘들 2. GridSearchCV 교차 검증과 최적 하이퍼 파라미터 튜닝을 한 번에 from sklearn.model_selection import GridSearchCV X_train, X_test, y_train, y_test = train_test_split(iris_data.data, iris_data.target, test_size = 0.2, random_state = 121) dtree = DecisionTreeClassifier() # max_depth = 결정 트리의 최대 깊이, min_samples_splits = 자식 규칙 노드를 분할해 만들기 위한 최소한의 샘플 데이터 개수 parameters = {'max_depth':[1,.. 더보기

5/19 목_인공지능 프로젝트 오랜만!! 드디어 인공지능 프로젝트가 마무리되었다! 4/26 화요일부터 5/17 화요일까지 22일 동안 작업하고, 5/19 오늘! 발표를 진행했다. 프로젝트 주제는 우리가 배운 내용을 활용하여, 사회적인 문제를 해결하는데 도움이 될 수 있는 서비스로 선정하였다. 조원들과 미리 대본과 시연 영상을 만들어 놓았고 발표는 내가 함! 사전에 리허설 여러 번 했을 때는 문제가 없다가, 막상 발표 순번이 되었을 때 줌으로 화면 공유가 안 되어서 당황했다ㅜ 줌을 나갔다 다시 들어오느라고 소리 공유 설정이 풀리는 바람에 시연 영상 초반부 음성이 안 나와서.. 너무 아쉽다. 😇 1조 - 신용카드 사용자 연체 예측 AI 경진대회 2조 - 데이콘 생육환경 최적화 경진대회 3조 - 수어 인식 모델 구현 4조 - 데이콘 CV .. 더보기

4/15 금 악 금요일!!!!!!!!!!!!!!!!!!!!!!! 😇🥳 오늘은 MNIST를 CNN, Tensorflow 2.x, Colab으로 구현한다. Params(weights) = ksize Height × ksize Width × filter 개수 + b(filter 개수) 1. MNIST by CNN, Tensorflow 2.x, Colab import numpy as np import pandas as pd import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Flatten, Dense from tensorflow.keras.layers import Conv2D, MaxP.. 더보기

4/14 목 목요일! 오늘은 CNN을 실제 코드로 구현해본다! 이미지 한 장 : 2차원(X, T) → Convolution Layer :: Feature Map : 2차원 여러 개 → Activation Map : 3차원 → X 데이터(이미지 정보. 이미지 개수, 세로, 가로, Channel) : 4차원 Data ▶ conv : 특징을 뽑아낸 이미지가 여러 장이 되도록 반복 작업(이미지 개수, Feature Map 세로, Feature Map 가로, filter의 개수) ▶ Pooling Layer :: conv 작업을 거친 여러 장의 데이터 사이즈를 줄임 ▶ conv :: Pooling Layer를 거친 데이터의 특징을 또 뽑아냄 ▶ FLATTEN :: 4차원 → 2차원(batch size 포함할 때) 1. Cha.. 더보기

4/13 수 수요일! CNN(Convolutional Neural Network, convnet. 합성곱 신경망)으로 들어간다! Deep Learning(Deep Neural Network)의 종류 : - Computer Vision : 컴퓨터가 이미지나 비디오를 보고 여러 객체를 식별하고 파악할 수 있도록 지원하는 Computer Science 분야. 대표적인 알고리즘은 CNN. 목적은 pixel을 이해하는 방법을 고안하는 것 - NLP(Natural Language Process) : 자연어 처리. 대표적인 알고리즘은 RNN, LSTM 이미지를 이루는 가장 작은 단위 → pixel 이미지 좌표계 (Image coordinate) - 2차원 ndarray로 표현 - pixel (세로, 가로) 1. 이미지 처리(Im.. 더보기

4/12 화 화요일! 현재의 Deep Learning이 어느 정도 효율을 내기 시작한 이유에 대해 공부한다. Weight와 Bias를 랜덤 초기값으로 사용하던 것을 Xievier/He's Initialization으로 대체하고, Vanishing Gradient 현상을 Back-Propagation(행렬연산, 역의 방향으로 W, b를 Update)과 Activation 함수를 Sigmoid 대신 ReLU를 사용하고, 계산해야 하는 W, b를 Drop-out으로 연산에 사용되는 Node를 줄임으로써 해결함 1. Multinomial Classification by Tensorflow 1.15 ver. import numpy as np import pandas as pd import tensorflow as tf imp.. 더보기

4/11 월 월요일! 오늘은 딥러닝과 신경망에 대해 배운다! Perceptron은 Neuron 한 개 Deep Learning : 한 개의 Logistic Regression을 표현하는 node가 서로 연결되어 있는 신경망 구조를 바탕으로 한 개의 입력층, 한 개 이상의 은닉층(많을수록 학습이 잘 됨. 1~3개가 적당), 한 개의 출력층으로 이루어짐 feed forward(propagation). XOR 문제는 node 한 개(perceptron)로는 학습이 안 됨 1. Perceptron. GATE 연산(AND, OR, XOR 연산자)을 Logistic Regression과 Tensorflow 1.5 Ver.으로 구현 import numpy as np import tensorflow as tf from sklear.. 더보기

4/8 금 금요일! 🐱‍🏍 오늘은 Regression을 끝낸다~~ 4/11 월요일은 머신러닝 필답 평가, 4/17 일요일은 수행평가 4가지 제출이 있다. 결측치 처리는 삭제하거나, imputation(보간, 대체) - 평균화 기법(독립변수를 대표값으로 대체), 머신러닝 기법(종속변수가 대상. KNN) KNN(K-Nearest Neighbors, K-최근접 이웃) : hyperparameter는 k(=1일 때 어느 정도의 성능 보장)와 거리측정 방식(주로 유클라디안 사용) 반드시 정규화를 진행해야 함. 모든 데이터에 대해 거리를 계산해야 하므로 시간이 오래 걸릴 수 있음 1. Logistic Regression + KNN - BMI data import numpy as np import pandas as pd fro.. 더보기

이전 1 2 3 4 5 다음

728x90

티스토리툴바