한빛미디어 도서 의 전개를 따른 내용이다. 챕터 7, 딥러닝을 시작합니다! * 딥러닝의 핵심 알고리즘 '인공 신경망' * 대표적인 인공 신경망 라이브러리 텐서플로, 케라스 * 인공 신경망 모델의 훈련을 돕는 도구 익히기 딥러닝 모델의 성능을 높이기 위해서는 - layer를 추가하기 - 적절한 활성화함수 사용하기 - 적절한 옵티마이저 사용하기 를 고려해볼 수 있다. 케라스의 도움을 받아서 순서대로 실습해볼 것이다. 데이터셋 준비 더보기 # layer 추가하기 인공 신경망이 여러 층 모이면 심층 신경망이 된다. => 딥러닝! 지난 번에는 오로지 입력층, 출력층만 있는 인공신경망을 만들었다. 이번에는 그 사이에 은닉층(hidden layer)를 추가해볼 것이다. ⓐ 층 추가 방법 1 layer 객체를 생성하여..

티스토리 기본 에디터로는 더보기 버튼에 가운데 정렬이 안 먹히더라. (왼쪽 정렬로 고정됨) 그래서 HTML편집을 통해 정렬해주어야 했다. [ 방법 ] 더보기 버튼부터 더보기 내용까지 포함한 html 코드 영역의 앞뒤로 태그를 넣어준다. 굿쟙..

한빛미디어 도서 의 전개를 따른 내용이다. 챕터 7, 딥러닝을 시작합니다! * 딥러닝의 핵심 알고리즘 '인공 신경망' * 대표적인 인공 신경망 라이브러리 텐서플로, 케라스 * 인공 신경망 모델의 훈련을 돕는 도구 익히기 [ 주저리.. ] 패션 아이템 데이터셋 (fashion_mnist)로 실습했다. 데이터셋의 이미지를 슬쩍 보니까 아주 예쁜 킬힐이 보이네 갖고싶게두... 물론 난 킬힐에 아주 미숙하지만... 어떻게 하면 킬힐을 신고 잘 걸어다닐 수 있는지 모르겠다.. 데이터 준비 더보기 훈련 데이터 : 60000개의 28*28 이미지 타겟 데이터 : 60000개의 1차원 배열 테스트 데이터 : 10000개의 28*28 이미지 테스트 타깃 : 10000개의 1차원 배열 사용할 이미지 데이터 확인: ( 앞 ..

https://github.com/yyhh314/MachineLearning/blob/main/DrawKmeansProcess.py GitHub - yyhh314/MachineLearning Contribute to yyhh314/MachineLearning development by creating an account on GitHub. github.com k-means 알고리즘이 동작하는 과정을 보여주는 기능은 구현되어있는 것 같지 않아서 모듈로 만들어보았습니다. 시각적으로 k-means 과정을 확인할 수 있습니다. [ 구현 기능 ] 1. 정지된 scatter plot의 나열로 확인 : kmeans_process_2d() 2. gif파일로 확인 : gif_kmeans 사용 방법 1. !git clon..

학습 글: 2022.02.14 - [데이터분석과 머신러닝] - 머신러닝 | 픽셀 분포의 특징을 뽑아내어 clustering 2022.02.14 - [데이터분석과 머신러닝] - 머신러닝 | k-평균 알고리즘 (KMeans) | 군집 알고리즘 2022.02.17 - [데이터분석과 머신러닝] - 머신러닝 | 주성분분석(PCA)을 이미지 데이터에 적용하여 픽셀 축소하기 4주차 트리알고리즘이 가장 재밌었다고 했는데 바뀌었다. 5주차가 제일 인터레스팅... ㅇㅅㅇ! 역시 시각적으로 들어오는 데이터가 최고다!! 기본 미션: k-평균 알고리즘 작동 방식 설명하기 # K-평균 알고리즘 (k-means) 군집 알고리즘 중 하나이다. ▶ 알고리즘 ⓐ cluster 개수 k를 미리 지정하면, 무작위로 cluster cente..

한빛미디어 도서 의 전개를 따른 내용이다. 챕터 6, 비지도 학습 * 타깃이 없는 데이터를 사용하는 비지도학습과 대표적인 알고리즘을 소개 * 대표적인 군집 알고리즘인 k-평균과 DBSCAN을 배우자 * 대표적인 차원 축소 알고리즘인 주성분 분석 (PCA)를 배우자 [ 포스팅 목차 ] 1. 주성분 분석 (PCA) + 주성분이 가지는 의미 ? 2. PCA로 이미지를 축소하는 과정 3. 축소한 데이터를 복원하기 + 설명된 분산 (explained variance) ? 4. PCA로 축소한 데이터로 모델 훈련시 이점 # 주성분 분석(Principal Component Analysis, PCA) : 원본 데이터를 주성분(벡터)로 정사영시켜 차원을 줄이는 방법이다. 원본 데이터를 최대한 보존하며 변환한다. ◎ 이미..

너무 좋다.. 사람이 어떻게 이렇게 멋있지??? 그리고 오늘 성시경꿈 꿨는데 아저씨께서 먼저 나랑 셀카 찍어주셨다 ㅠㅠ 꿈에서 찍은 셀카가 지금 내 갤러리에 남아있으면 좋을텐데... 🤣 내 최초 성시경 입덕곡.. 희재가 오늘 성시경 유튜브에 업로드되었다. 희재를 소극장버전으로 부르신 건데 그냥 대충 이어폰 꽂고 할 거 하면서 편하게 듣기 시작했다. 아 근데 역시나 성시경 노래는 마냥 편하게 들을 수가 없다 ㅠㅅㅠ 한소절 하시면 그냥 막.. 어후.... 난리가 나는거다아~~ 노래하시는 모습이 진짜 넘넘넘 멋있는 독보적인 성시경.. 영원히 좋아할 수밖에.... https://youtu.be/-pPDEayEY4M

한빛미디어 도서 의 전개를 따른 내용이다. 챕터 6, 비지도 학습 * 타깃이 없는 데이터를 사용하는 비지도학습과 대표적인 알고리즘을 소개 * 대표적인 군집 알고리즘인 k-평균과 DBSCAN을 배우자 * 대표적인 차원 축소 알고리즘인 주성분 분석 (PCA)를 배우자 k-평균 알고리즘으로 3종의 과일을 군집화해보자. 과연.. 성공적으로 군집을 형성할 것인지!! >_ cluster 크기 감소 -> 이너셔 감소 cluster 개수에 따른 이너셔 변화를 그래프로 확인해보자. (굽은 모양이 팔꿈치같다고 해서 엘보우라는 이름이 붙었다 한다.) (귀엽다ㅠㅠ) cluster가 증가하는데도 inertia값이 감소하는 속도가 갑자기 작아지는 구간이 있다. k=3지점! 그곳이 최적의 k 지점이다. (그 cluster 개수보다..

한빛미디어 도서 의 전개를 따른 내용이다. 챕터 6, 비지도 학습 * 타깃이 없는 데이터를 사용하는 비지도학습과 대표적인 알고리즘을 소개 * 대표적인 군집 알고리즘인 k-평균과 DBSCAN을 배우자 * 대표적인 차원 축소 알고리즘인 주성분 분석 (PCA)를 배우자 그토록 기다리던 비지도학습이다. 개인적으로 비지도학습은 결과를 확인하는 맛이 좀 있는 듯하다. 정답이 없어야 더 도전하는 맛이 있는 느낌이라고 해야하나..!! [ 포스팅 내용 ] 1. 군집(clustering) ㅡㅡㅡㅡㅡㅡㅡ( 실습 )ㅡㅡㅡㅡㅡㅡㅡ 2. 이미지 데이터의 구조 3. 픽셀이 이미지 특징을 어떻게 나타낼까 4. 특정 픽셀값 분포를 가진 이미지 골라내기 # 군집(clustering) 비슷한 샘플끼리 그룹으로 모으는 작업이다. 모인 그룹..

학습 글 2022.02.10 - [데이터분석과 머신러닝] - 머신러닝 | 트리 알고리즘 - 결정 트리 (Decision tree model) 2022.02.11 - [데이터분석과 머신러닝] - 머신러닝 | 교차 검증과 그리드 서치 | 최적의 파라미터를 찾아주는 교차검증 방법 2022.02.13 - [데이터분석과 머신러닝] - 머신러닝 | 트리의 앙상블 | sklearn 앙상블 모델 4종류 특징 비교 지금까지 실습한 챕터중에 5장이 가장 재밌었네요..! 트리는 방정식보다 상상하기 쉬워서 그랬던 걸까요 ㅎ.ㅎ 서로 다른 앙상블 모델도 재미있었구요.. 기본미션 교차검증을 그림으로 설명하기 - 10fold를 예시로 들었습니다 선택미션 https://colab.research.google.com/drive/1NY..