Machine Learning

사이킥런에서 제공하는 붓꽃(Iris) 데이터를 활용해 품종을 분류(Classification)을 실행 분류(Classification) : 독립변수값이 주어졌을 때 그 값과 가장 연관성이 큰 종속변수값 (클래스)을 예측하는 문제 데이터 유형 : 150x4 numpy

chapter 2 퍼셉트론 퍼셉트론이란? 다수의 신호를 입력으로 받아 하나의 신호를 출력, 1이나 0 두 가지 값을 가질 수 있다 x1과 x2는 입력 신호, y1, y2는 출력 신호, w1와 w2는 가중치를 뜻한다 입력 신호가 뉴런에 보내질 때는 각각 고유한 가중치

Chapter 4 신경망 학습 학습이란 훈련 데이터로부터 가중치 매개변수의 최적값을 자동으로 획득하는 것을 뜻한다 신경망이 학습할 수 있도록 해주는 지표로 손실 함수를 이용한다 손실 함수의 결괏값을 가장 작게 만드는 가중치 매개변수를 찾는 것이 학습의 목표다 기계학

Chapter 6 학습 관련 기술들 매개변수 갱신 신경망 학습의 목적은 손실 함수의 값을 가능한 한 낮추는 매개변수를 찾는 것이며, 이것을 '최적화'라고 한다 우리는 지금까지 매개변수의 기울기를 구해, 기울어진 방향으로 매개변수 값을 갱신하는 '확률적 경사 하강법(

Chapter 7 합성곱 신경망(CNN) 전체 구조 지금까지 본 신경망은 인접하는 계층의 모든 뉴런과 결합되어 있었다 이를 '완전연결'이라고 하며, 완전히 연결된 계층을 'Affine 계층'이라는 이름으로 구현했다 다음은 층이 5개인 완전연결 신경망이다 Affine

Chapter 08 딥러닝 더 깊게 여기에서 사용하는 합성곱 계층은 모두 3X3 크기의 작은 필터로, 층이 깊어지면서 채널 수가 더 늘어나는 것이 특징이다 또 그림과 같이 풀링 계층을 추가하여 중간 데이터의 공간 크기를 점차 줄여간다 그리고 마지막 단의 완전연결 계층