머신러닝

market & machine learning이진 분류분류 : 여러 개의 종류(클래스) 중 하나를 구별해 내는 문제2개의 클래스 중 하나를 고르는 문제를 이진분류라 함.특성데이터의 특징 (현재 각 도미의 특징은 길이와 무게)1) 도미 데이터 준비2) 산점도 그리기맷플롯

train set & test set1\. 지도 학습과 비지도 학습머신러닝 알고리즘은 크게 지도 학습과 비지도 학습으로 나눌 수 있다. 지도 학습지도학습 알고리즘(supervised learning)은 훈련하기 위한 데이터와 정답(target)이 필요하다데이터와 정답을

data preprocessing1\. 데이터 전처리알고리즘들은 샘플간의 거리에 영향을 많이 받으므로 제대로 사용하려면 특정값을 일정한 기준으로 맞춰 주어야 함.Data preprocessing can refer to manipulation or dropping of

K-NN Regression1\. k-최근접 이웃 회귀지도학습은 분류와 회귀(예측)으로 분류 된다. 회귀는 클래스 중 하나로 분류하는 것이 아닌 임의의 어떤 숫자를 예측하는 문제이다. (두 변수 사이의 상관관계를 분석하는 방법을 회귀라고도 부른다.)샘플에 가장 가까운

linear regression1\. 최근접 이웃의 한계최댓값이 제한되는 단점이 있다.(샘플 범위 밖의 값을 예측하기 어렵다) k-nn은 가장 가까운 샘플을 찾아 타깃을 평균한다. 따라서 새로운 샘플이 훈련세트 범위를 벗어나면 잘못된 값을 예측한다.2\. 선형 회귀특성

feature engineering and regularization1\. 다중 회귀여러 개의 특성을 사용한 선형 회귀 를 다중회귀 라 부른다. 특성이 많은 고차원에서는 선형회귀가 매우 복잡한 모델을 표현할 수 있다. 각 특성을 서로 곱해서 또다른 특성을 만들 수 있다

colab linkLogistic Regression(https://colab.research.google.com/drive/1yzpoxRQeHIzMv8YdkjQBEUIprugDsr1N1\. 데이터 준비하기target 샘플과 test 샘플 준비표준화 전처리2\

colab linkStochastic Gradient Descent(https://colab.research.google.com/drive/1kEiTF6GuLsJxW49I_UugWU8kGJXZWVWv?hl=ko1\. 확률적 경사 하강법확률적 경사 하강법은 알고

colab linkDecision Tree(https://colab.research.google.com/drive/1FWcfexxDbljudkSkBWzpfM_nPZpDu8n4?hl=ko1\. 로지스틱 회귀로 분류하기head 메소드info 메소드데이터 프레임의

colab linkcross validation & GridSearch(https://colab.research.google.com/drive/1XL7ISqMWlLWjyyTyra75eyE-8SZzydHy1\. 검증 세트테스트 세트로 일반화 성능을 올바르게 예측

colab linkartifical neural network(https://colab.research.google.com/drive/18UXLvzpVUyXOKxaL0EmVJk6a95hEL3yH?authuser=01\. 패션 MNIST딥러닝 라이브러리 중 하나

colab linkDeep Neural Network.ipynb(https://colab.research.google.com/drive/1Y1FXo6iX86O5_T8u3qSTre8OesIRZDD0?authuser=01\. 2개의 층지난 시간의 인공신경망 모델에

colab linkTraining Neural Network.ipynb(https://colab.research.google.com/drive/1Gwfya8uCjpdlpKPt5Ccizpez674qb1S6사이킷런에서 제공하는 머신러닝 알고리즘들은 좋은 성능을 내

따로 실습이 없다합성곱 신경망을 구성하는 기본 개념과 동작 원리를 배우고 간단한 합성곱, 풀링 계산방법을 익힌다. ...도장! 1\. 합성곱합성곱(convolution)은 입력데이터에 도장을 찍듯이 유용한 특성만 드러나게 하는 것으로 비유할 수 있다.1차원에서의 합성곱

colab linkImage Classification Using Convolutional Neural Networks.ipynb(https://colab.research.google.com/drive/19i1A5OBIuVwx6RaOgeqAdEoY8H72euK

1\. 가중치 시각화가중치는 입력 이미지의 2차원 영역에 적용되어 어떤 특징을 크게 두드러지게 표현하는 역할을 함.(활성화 역할)1번째 합성곱 층의 모든 가중치와 모든 절편 (1) 크기(2) 가중치 평균 및 표준 편차(3) 가중치 분포가중치가 어떤 패턴을 학습하려는지

실습 없음!...1\. 순차 데이터순차 데이터는 텍스트나 시계열 데이터(시간의 순서가 포함된 데이터, 과거를 통해 미래를 예측할 수 있을 경우)와 같이 순서에 의미가 있는 데이터를 말함.텍스트 데이터는 순서를 유지하며 신경망에 주입해야 하고 순서를 섞어서 주입하면 안된

오늘은 텍스트 전처리와 + 순환 신경망 실습 colab link Classifying IMDB Reviews using Recurrent Neural Networks 1. IMDB 리뷰 데이터셋 텍스트 데이터(비구조화된 데이터)를 머신러닝 모델이 처리하기 위해서는