혼자 공부하는 머신러닝-딥러닝

언젠간 한번쯤 해보고 싶었던 분야다.지금 하던 분야를 벗어나 조금 더 다양한 분야로 눈을 돌리고 싶기도 했다.python의 matplotlib이나 pandas같은 데이터 시각화 도구에는 익숙하지만사이킷런, 텐서플로우 같은 러닝 도구는 처음 접해본다.수학적인 개념도 크게

[혼자 공부하는 머신러닝+딥러닝] 책에 기반한 정리글입니다. 전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다. Github 링크 0. 개요 책의 본격적인 시작과 함께 머신러닝 알고리즘 중 하나인 scikit-learn의 K-최근접 이웃을 소개합니다.

[혼자 공부하는 머신러닝+딥러닝] 책에 기반한 정리글입니다. 전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다. 깃허브 링크 0. 개요 머신러닝에서의 지도학습과 비지도학습의 차이와 샘플링 편향에 대한 개념, 데이터를 훈련 세트와 테스트 세트로 나누어 모

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.깃허브 링크전 편의 머신러닝 모델에서, 길이 25cm, 무게 150cm의 도미는 빙어로 분류하는 에러가 있다.이번 포스팅에서는 표준점수를 통한 특성의

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크이번 포스팅에서는 회귀를 이해하고 k-최근접 이웃 회귀에 대해 알아본다. 회귀임의의 어떤 숫자를 예측하는 문제k-최근접 이웃 회귀예측하

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크저번 글에서 다른 k-최근접 이웃 회귀는 샘플과 가까운 이웃들의 평균으로 값을 예측하기 때문에, 샘플이 훈련세트의 범위를 벗어나면 엉뚱

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크다중 회귀다중 회귀란 여러 개의 특성을 사용한 선형 회귀1개의 특성은 직선을, 2개의 특성은 평면을 학습특성이 많다면 매우 복잡한 모델

깃허브 경로 : Self-Study/혼자-공부하는-머신러닝-딥러닝/혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크로지스틱 회귀선형 방정식을 사용한 분류 알고리즘이다.시그모이드 함수나

[혼자 공부하는 머신러닝+딥러닝] 책에 기반한 정리글입니다. 전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다. Github 링크 0. 개요 지금까지는 모델을 훈련할 때 훈련 데이터를 가지고 매번 모델을 새로 만들었다. 이번에는 훈련한 모델을 버리지 않

[혼자 공부하는 머신러닝+딥러닝] 책에 기반한 정리글입니다. 전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다. Github 링크 0. 개요 >결정 트리는 예, 아니오에 대한 질문을 이어나가며 정답을 찾아 학습하는 알고리즘이다. >불순도는 결정 트리

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크모델의 하이퍼파라미터 튜닝을 위해서 모델을 여러 번 평가해야 하는데, 일반화 성능을 올바르게 예측하려면 가급적 테스트 세트를 사용하지

앙상블 학습은 더 좋은 예측 결과를 만들기 위해 여러 개의 모델을 훈련하는 머신러닝 알고리즘이다.정형 데이터를 다루는 데 가장 뛰어난 성과를 내는 알고리즘이 바로 앙상블 학습이다. 이는 대부분 결정트리를 기반으로 만들어져 있다.이번 편에서는 앙상블 학습 알고리즘의 여러

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크비지도학습은 머신러닝의 한 종류로 훈련 데이터에 타깃이 없어, 외부의 도움 없이 스스로 학습해야 한다. 군집은 비슷한 샘플끼리 하나의

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크저번 편에서 군집 알고리즘은 타깃값을 미리 알고 있었기 때문에 각 과일 사진의 픽셀의 평균을 구하는 것이 가능했지만, 진짜 비지도 학습

[혼자 공부하는 머신러닝+딥러닝] 책에 기반한 정리글입니다. 전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다. Github 링크 0. 개요 머신러닝 모델을 만들며 여러 이미지들을 저장할 때 저장공간이 부족할 수 있다. 이때 차원 축소 알고리즘을 사용하

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크이제부터는 tensorflow와 keras를 통한 인공 신경망 모델을 만들어본다.인공 신경망의 원리와 구조를 이해하고, 로지스틱 회귀

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크이번 편에서는 여러 개의 층을 추가하여 다층 인공 신경망, 즉 심층 신경망을 만들고, 은닉층에 사용하는 활성화 함수인 렐루 함수 , 가

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크지금까지 인공 신경망과 심층신경망을 구성하고 다양한 옵티마이저를 통해 성능을 향상시킬 수 있는 방법에 대해 알아보았다.이번에는 과대적합

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크이번 편에서는 텐서플로 케라스 API를 이용해 패션 MNIST 데이터를 합성곱 신경망으로 분류한다. 모델을 만들며 합성곱, 패딩, 스트

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크이번 편에서는 저번 편에서 저장한 합성곱 신경망 모델을 읽어 들인 후 모델의 가중치와 특성 맵을 시각화해본다. 또한 케라스의 함수형 A

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크이번 편에서는 딥러닝으로 댓글을 분석해서 평가가 긍정적인지, 부정적이지 판단해보려 한다. 순차데이터와 순환신경망(Recurrent Ne

혼자 공부하는 머신러닝+딥러닝 책에 기반한 정리글입니다.전체 소스코드는 아래 Github 링크에서 확인할 수 있습니다.Github 링크일반적으로 기본 순환층은 긴 시퀸스를 학습하기 어렵다. 멀리 떨어져 있는 단어 정보를 인식하기 어려울 수 있는데, 이는 시퀸스가 길수록

[혼자 공부하는 머신러닝+딥러닝] 책의 후기입니다. 본 편의 시리즈에서 각 챕터별 내용을 확인할 수 있습니다. 0. 들어가며 드디어 책을 다 읽었다. 거의 두달 가까운 시간동안 책을 읽으며 마무리지었는데, 지금 돌아보면 너무 빨리 책을 읽었나 싶다. 한 챕터, 한