머신러닝
1.사이킷런 - GridSearchCV
이 글은 파이썬 머신러닝 완벽 가이드 책 내용을 기반으로 정리했습니다. 내용출처 : 파이썬 머신러닝 완벽가이드 사이킷런으로 붓꽃 품종 예측 사이킷런은 파이썬 머신러닝 라이브러리 중 가장 많이 사용되는 라이브러리 최근엔 텐서플로, 케라스 등 딥러닝 라이브러리가 강세가 되고 있으나 여전히 많은 데이터 분석가가 의존하는 대표적인 파이썬 ML 라이브러리 사이킷...
2.분류(1) - XGBoost
이 글은 파이썬 머신러닝 완벽 가이드 책 내용을 기반으로 정리했습니다. 내용출처 : 파이썬 머신러닝 완벽가이드 분류는 명시적 정답이 있는 학습(지도학습)의 대표적인 유형이다. 기존의 데이터로 학습하고 미지의 데이터의 레이블 값을 예측하는 것이다. XG Boost 는 트리 기반 앙상블 학습(여러 머신러닝 모델 연결한 학습)에서 가장 각광받고 있는 알고리즘 ...
3.분류(2) - LightGBM
이 글은 파이썬 머신러닝 완벽 가이드 책 내용을 기반으로 정리했습니다. 내용출처 : 파이썬 머신러닝 완벽가이드 LightGBM은 XGBoost의 장점은 계승하고 단점은 보완하는 방슥으로 개발되어 학습시간은 짧고, 예측 성능엔 큰 차이가 없다. 하지만 적은 데이터 세트에 적용할 경우 과적합이 발생하기 쉽다. LightGBM의 공식문서에선 10,000건 이하...
4.회귀(1) - 선형회귀 : 보스턴 주택가격 예측
이 글은 파이썬 머신러닝 완벽 가이드 책 내용을 기반으로 정리했습니다. 내용출처 : 파이썬 머신러닝 완벽가이드 데이터 값이 평균으로 돌아가려는 경향을 이용한 통계학 기법이다. 가장 많이 쓰이는 건 선형 회귀 모델이다. 실제 값과 예측값의 차이를 최소화하는 직선형 회귀
5.회귀(2) - 회귀 트리
이 글은 파이썬 머신러닝 완벽 가이드 책 내용을 기반으로 정리했습니다. 내용출처 : 파이썬 머신러닝 완벽가이드 디시젼트리를 회귀에 적용한 회귀 트리는 RSS(오차 제곱합)를 가장 잘 줄일 수 있는 변수를 기준으로 분기를 만들어 결과를 예측하는 매우 단순한 모델이다. 어떤 변수가 중요한지, 변수의 값에 따라 예측 결과가 무엇인지 한눈에 볼 수 있어 설명...
6.PyTorch 텐서 조작하기 (1)
자료출처 : PyTorch로 시작하는 딥 러닝 입문
7.PyTorch 텐서 조작하기 (2)
자료출처 : PyTorch로 시작하는 딥 러닝 입문
8.PyTorch 선형회귀
자료출처 : PyTorch로 시작하는 딥 러닝 입문
9.Pytorch 다중선형회귀
자료출처 : PyTorch로 시작하는 딥 러닝 입문
10.Pytorch nn.module 선형회귀
자료출처 : PyTorch로 시작하는 딥 러닝 입문
11.PyTorch 선형회귀 클래스로 구현
자료출처 : PyTorch로 시작하는 딥 러닝 입문
12.PyTorch 데이터 커스터마이징
자료출처 : PyTorch로 시작하는 딥 러닝 입문
13.PyTorch 로지스틱 회귀
자료출처 : PyTorch로 시작하는 딥 러닝 입문
14.PyTorch 소프트맥스 회귀
자료출처 : PyTorch로 시작하는 딥 러닝 입문
15.PyTorch MINST 데이터 분류
자료출처 : PyTorch로 시작하는 딥 러닝 입문
16.PyTorch 딥러닝(1) - 단층 퍼셉트론
자료출처 : PyTorch로 시작하는 딥 러닝 입문
17.PyTorch 퍼셉트론 가중치 업데이트
자료출처 : PyTorch로 시작하는 딥 러닝 입문
18.PyTorch 다층 퍼셉트론 구현
자료출처 : PyTorch로 시작하는 딥 러닝 입문
19.인공신경망 성능 높이기 (1) - ReLU
자료출처 : PyTorch로 시작하는 딥 러닝 입문
20.인공신경망 성능 높이기 (2) - 정규화
자료출처 : PyTorch로 시작하는 딥 러닝 입문
21.과적합을 막는 방법
자료출처 : PyTorch로 시작하는 딥 러닝 입문
22.합성곱 신경망 (CNN) 입문
자료출처 : PyTorch로 시작하는 딥 러닝 입문 1. 합성곱 신경망의 대두 합성곱 신경망(Convolutional Neural Network)은 이미지 처리에 탁월한 성능을 보이는 신경망으로 크게 합성곱층과 풀링층으로 구성된다. 기존 다층 퍼셉트론으로 Y의 이미지 처리한다고 가정하면, 1차원 텐서인 벡터로 변환하며 기존의 공간 정보는 유실된다. 결국...
23.합성곱 신경망(CNN) 적용
자료출처 : PyTorch로 시작하는 딥 러닝 입문
24.자연어 처리 이해
자료출처 : PyTorch로 시작하는 딥 러닝 입문
25.NLP 단어 처리 방법
자료출처 : PyTorch로 시작하는 딥 러닝 입문 컴퓨터는 숫자를 처리한다. 자연어 처리 역시 문자를 숫자로 바꿔야 한다. 1. 원-핫인코딩 문자를 숫자로 바꾸는 방법 중 하나, 단어를 표현하는 가장 기본적인 표현방법으로 머신러닝에서 반드시 배워야하는 표현 방법 ['나', '는', '자연어', '처리', '를', '배운다'] {'나'...
26.Word2Vec 활용
27.순환신경망 RNN
자료출처 : PyTorch로 시작하는 딥 러닝 입문 RNN은 가장 기본적인 시퀀스(Sequence) 모델이다. 시퀀스 모델은 입력과 출력을 시퀀스 단위로 처리하는 모델을 말한다. 예를 들어 단어 시퀀스는 문장을 의미한다.
28.RNN 확장 신경망 - LSTM
자료출처 : PyTorch로 시작하는 딥 러닝 입문
29.다대다 RNN 활용 (1) - 텍스트 생성
문자단위 RNN(Char RNN) 주어진 문장을 RNN으로 학습시킨 뒤 얼마나 비슷하게 텍스트를 생성하는지 살펴본다.
30.CNN RGB 3차원 합성곱 연산
내용출처 : [이수안컴퓨터연구소 Youtube] (https://www.youtube.com/watch?v=6TGyI4XjlCk) Setting 1. util functions 자주쓰는 기능 함수로 정의 2. 이미지 확인 예시이므로 정사각형 사이즈로 진행
31.CNN 가중치, 편향 조정해보기
내용출처 : 이수안컴퓨터연구소 Youtube 1. 자주쓰는 기능 함수 정의 2. 합성곱층 만들기 3. 컨볼루션 레이어 테스트 가중치와 편향값 변경에 따라 이미지 처리가 어떻게 달라지는지 살펴본다 image.shape: (440, 440, 1) Conv Layer size: (1, 1, 438, 438) Conv Layer...
32.CNN 배치 처리
내용출처 : 이수안컴퓨터연구소 Youtube
33.CNN 맥스풀링 구현
내용출처 : [이수안컴퓨터연구소 Youtube] (https://www.youtube.com/watch?v=OAksbx2bTVc) 1. CNN 함수 정의 2. 풀링 층 (Pooling Layer) 3. 풀링 층 테스트 2차원 이미지 (Height, Width, 1) image.shape: (440, 440, 1) Conv siz...
34.대표적인 CNN 모델 소개
내용출처 : [이수안컴퓨터연구소 Youtube] (https://www.youtube.com/watch?v=OAksbx2bTVc) LeNet - 5 [LeNet-5 구조] 출처: https://medium.com/@pechyonkin/key-deep-learning-architectures-lenet-5-6fc3c59e6f4 AlexNet ...