속도 < 방향

07. 딥러닝 07-1 인공 신경망 시작하기 전에 럭키백의 성공 이후 타깃 고객의 연령대를 대상으로 패션 럭키백을 진행해보려 한다! 는 사실 패션 mnist 데이터를 사용하기 위한 밑밥..이지만 박해선님의 스토리 라인에 감탄! 시작하기에 앞서, 머신러닝/딥러닝을 입문할 때 사용하는 데이터셋이 있다. 머신러닝에서 붓꽃 데이터셋이 유명하듯, 딥러닝에서는 MNIST dataset이 유명하다. 이 데이터에는 손으로 적은 숫자로 이루어져 있는데, 패션 mnist는 숫자가 아닌 패션 아이템이 들어가있는 데이터셋이다. from tensorflow import keras (train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mni..

06. 비지도 학습 06-1 군집 알고리즘 시작하기 전에 과일의 여러가지 사진을 어떤 과일인지 찾기 위해 자동으로 분류하는 프로그램을 만들어 보려 한다. chapter 2에서 배운 것처럼 타깃을 모르거나 타깃이 없을 때 사용하는 머신러닝 알고리즘을 비지도 학습(unsupervised learning)이라고 한다. 가르쳐 주지 않아도 데이터에 있는 무언가를 학습하도록 하기 위한 방법이 무엇이 있을까? !wget https://bit.ly/fruits_300_data -O fruits_300.npy 처음에 숫자 0 인줄 알았는데, 계속 에러가 나길래 봤더니 open 의 알파벳 O 였다... import numpy as np import matplotlib.pyplot as plt fruits = np.loa..

족장님, 한빛미디어 사랑합니다..♥ 05. 트리 알고리즘 05-1 결정 트리 시작하기 전에 와인을 알코올, 당도, pH 값을 활용하여 분류해보려고 한다. import pandas as pd wine = pd.read_csv('https://bit.ly/wine_csv_data') wine.info() 데이터를 불러온 후 info() 메서드를 사용하면 데이터프레임의 각 열의 데이터 타입과 누락된 데이터 여부를 알 수 있다. 6497개의 샘플 중 non-null count가 6497 이므로 누락된 값은 없는 것을 알 수 있다. 만약 누락된 값이 있다면 그 데이터를 버리거나 평균값으로 채운 후 사용할 수 있는데, 그렇게 하는 과정에서도 훈련 세트의 통계 값으로 테스트세트를 변환해야 한다. 즉, 훈련 세트의 평..

지난번 업로드했던 내용이 정리가 잘 되었는지 우수 혼공족으로 선정되었다. 항상 도움 많이받는 한빛미디어! 혼공족장님도 열일해주셔서 너무 감사하고,,백신 후유증은 괜찮으신가요? 사랑하는 한빛미디어 뼈를 묻겠습니다..♡ 04. 다양한 분류 알고리즘 04-1 로지스틱 회귀 시작하기 전에럭키백을 판매한다고 할 때, 고객에게 힌트를 주기 위해 확률을 구하는 문제가 있다. k-최근접 이웃 분류기를 통해 생선의 확률을 계산할 것이다. 이웃한 샘플 중 다수의 항목들로 분류될 확률이 크다. import pandas as pd fish = pd.read_csv('https://bit.ly/fish_csv_data') fish.head() 판다스의 데이터프레임으로 데이터를 읽는다. head() 메서드는 처음 5개 행을 출력..

03. 회귀 알고리즘과 모델 규제 03-1 k-최근접 이웃 회귀 시작하기 전에 농어의 무게를 예측하는 모델을 만들어보려고 한다. 지도 학습 알고리즘은 분류와 회귀(regression)로 나뉜다. 분류는 샘플을 클래스 중 하나로 분류하는 문제이고, 회귀는 분류가 아니라 임의의 어떤 숫자를 예측하는 문제이다. 즉, 정해진 클래스, 타깃 값(정답)이 없는 것을 예측하여 임의의 수치를 출력하는 것이다. 회귀는 19세기 통계학자인 프랜시스 골턴이 처음 사용한 단어로, 두 변수 사이의 상관관계를 분석하는 방법을 회귀라고 불렀다. k-최근접 이웃 분류 알고리즘은 샘플에 가장 가까운 샘플 k개를 선택한 다음 그들의 클래스를 확인하여 예측하는 것이다. X를 추측할때 네모가 더 많기 때문에 동그라미보단 네모로 예측하는 것..

02. 데이터 다루기 02-1 훈련 세트와 테스트 세트 시작하기 전에 1강에서 사용한 k-최근접 이웃알고리즘은 알고리즘을 찾는다기 보다는 입력한 49개의 데이터에 대한 최근접 이웃을 찾는 것이기 때문에 성공율이 100%일수밖에 없다. 입력(데이터)과 타깃(정답)이 있는 것이 지도학습, 타깃데이터가 없고 입력만 있는 것이 비지도학습이라고 한다. 강화학습은 모델이 어떤 행동을 수행한 다음 주변의 환경에서 행동의 결과를 피드백을 받아 개선해나가며 수행하는 방식이다. k-최근접 이웃 알고리즘도 지도학습의 한 종류이다. 연습문제와 시험문제가 같다면, 정답률은 100%일수밖에 없다. 따라서 머신러닝 프로그램의 성능을 제대로 평가하려면 훈련 데이터와 평가에 사용할 데이터가 각각 달라야 한다. 평가에 사용하는 데이터를..

박해선님의 혼자 공부하는 머신러닝+딥러닝 책과 유튜브 영상을 참고하여 공부하며 정리하였습니다. 01. 나의 첫 머신러닝 01-1 인공지능과 머신러닝, 딥러닝 시작하기 전에 책의 그림을 통해 인공지능의 역사를 볼 수 있다. 참고사이트 : http://scimonitors.com/aiai기획②-인공지능-발달과정-튜링부터-구글-알파고-ibm/ Science Monitor AI, Quantum Computing Science & Technology Magazine scimonitors.com 1) 인공지능 태동기(1943-1956) : 인공지능에 대한 꿈이 부풀어오르던 초기시기, 튜링 테스트의 등장. 2) 인공지능 황금기(1956-1974) : 다트먼스 AI 컨퍼런스에서 인공지능에 대한 장밋빛 전망 발표, 퍼셉..

한빛미디어에서 주최하는 혼공학습단에 지원하였고, 혼공학습단 7기에 선정되었다. 도서 별 커리큘럼이 있고, 혼공 시리즈 도서 중 하나를 선택하여 미션을 성공하면 되는 간단한 활동이다. 미션을 완수하면 마일리지 2만원과 더불어 우수 학습자에게는 백화점 상품권까지 증정한다고 한다. 내가 선택한 책은 박해선님의 혼자 공부하는 머신러닝+딥러닝이다. 이미 봤던 책이지만 리마인드 겸 블로그에 정리를 하려던 찰나에, 좋은 컨텐츠를 제공해주신 한빛미디어에게 감사하다. 커리큘럼은 위와 같다. 설 연휴 주를 제외한 6주간의 활동(1/10~2/27) 동안 진행이 되기 때문에, 혹시나 신청을 못했더라도 같은 진도로 진행하면 좋을 듯 하다. https://youtu.be/J6wehCO_c58 박해선님의 유튜브 강의를 통해 도움을..