Book report/혼자 공부하는 머신러닝 + 딥러닝 8

[혼자 공부하는 머신러닝 + 딥러닝] Chapter 9 텍스트를 위한 인공 신경망

09-1 순차 데이터와 순환 신경망¶ 순환 신경망¶ ☆ 순차 데이터(sequential data)는 텍스트나 시계열 데이터와 같이 순서에 의미가 있는 데이터 ☆ 완전 연결 신경망이나 합성곱 신경망은 하나의 샘플(또는 하나의 배치)을 사용하여 정방향 계산을 수행하고 나면 그 샘플은 버려지고 다음 샘플을 처리할 때 재사용하지 않습니다. ☆ 입렵 데이터의 흐름이 앞으로만 전달되는 신경망을 피드포워드 신경망(feedforward neural network)이라 한다. ☆ 순환 신경망(RNN)은 완전 연결 신경망 + 이전 데이터의 흐름을 순환하는 고리, 이전 타임스텝의 샘플을 기억하지만 오래될수록 순환되는 정보는 희미해 진다. ☆ 순환 신경망(RNN)은 순환층을 1개 이상 사용한 신경망 ☆ 타임스텝(timeste..

[혼자 공부하는 머신러닝 + 딥러닝] Chapter 8 이미지를 위한 인공 신경망

08-1 합성곱 신경망의 구성 요소¶ ☆ 합성곱 : 밀집층과 비슷하게 입력과 가중치를 곱하고 절편을 더하는 선형 계산이지만 밀집층과 달리 합성곱은 입력 데이터 전체에 가중치를 적용하는 것이 아니라 일부에 가중치를 곱한다. ☆ 합성곱 층의 뉴런에 있는 가중치 개수는 하이퍼파라미터이다. ☆ 합성곱 신경망(CNN)에서는 뉴런을 필터(filter) 또는 커널(kernel)이라고 부른다. ☆ 합성곱 계산을 통해 얻은 출력을 특성 맵(feature map)이라고 부른다. In [1]: # 케라스 합성곱 층 from tensorflow import keras keras.layers.Conv2D(10,kernel_size=(3,3),activation='relu') # keras.layers.Conv2D(필터 개수, ..

[혼자 공부하는 머신러닝 + 딥러닝] Chapter 7 딥러닝을 시작합니다

07-1 인공 신경망¶ ☆ 신경망은 기존의 머신러닝 알고리즘으로 다루기 어려웠던 이미지, 음성, 텍스트 분야에서 뛰어난 성능을 발휘하면서 크게 주목을 받고 있으며 딥러닝이라고도 부른다. In [1]: from tensorflow import keras (train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mnist.load_data() In [2]: # 데이터 크기 확인하기 print(train_input.shape, train_target.shape) print(test_input.shape, test_target.shape) (60000, 28, 28) (60000,) (10000, 28, 28) (10000,)..

[혼자 공부하는 머신러닝 + 딥러닝] Chapter 6 비지도 학습

06-1 군집 알고리즘¶ 비지도 학습 : 타깃이 없을 때 사용하는 머신러닝 알고리즘 In [11]: # 과일 사진 데이터 url= 'https://bit.ly/fruits_300_data' wget.download(url) 100% [..........................................................................] 3000128 / 3000128 Out[11]: 'fruits_300_data' In [1]: import wget import numpy as np import matplotlib.pyplot as plt fruits = np.load('fruits_300.npy') print(fruits.shape) # 첫 번쨰 차원(300)은 샘플의 ..

[혼자 공부하는 머신러닝 + 딥러닝] Chapter 5 트리 알고리즘

05-1 결정 트리¶ 로지스틱 회귀로 와인 분류하기¶ In [1]: # 데이터 준비 import pandas as pd wine = pd.read_csv('https://bit.ly/wine_csv_data') wine.head() # class가 0이면 레드 와인, 1이면 화이트 와인 Out[1]: alcohol sugar pH class 0 9.4 1.9 3.51 0.0 1 9.8 2.6 3.20 0.0 2 9.8 2.3 3.26 0.0 3 9.8 1.9 3.16 0.0 4 9.4 1.9 3.51 0.0 In [2]: # 데이터 분류 data = wine[['alcohol', 'sugar', 'pH']].to_numpy() target = wine['class'].to_numpy() from skle..

[혼자 공부하는 머신러닝 + 딥러닝] Chapter 4 다양한 분류 알고리즘

04-1 로지스틱 회귀¶ In [1]: # 데이터 준비 import pandas as pd fish = pd.read_csv('https://bit.ly/fish_csv_data') fish.head() Out[1]: Species Weight Length Diagonal Height Width 0 Bream 242.0 25.4 30.0 11.5200 4.0200 1 Bream 290.0 26.3 31.2 12.4800 4.3056 2 Bream 340.0 26.5 31.1 12.3778 4.6961 3 Bream 363.0 29.0 33.5 12.7300 4.4555 4 Bream 430.0 29.0 34.0 12.4440 5.1340 In [2]: print(pd.unique(fish['Species..

[혼자 공부하는 머신러닝 + 딥러닝] Chapter 3 회귀 알고리즘과 모델 규제

03-1 k-최근접 이웃 회귀¶ 회귀 : 클래스 중 하나로 분류하는 것이 아니라 임의의 어떤 숫자를 예측하는 문제 k-최근접 이웃 회귀 : 샘플 x에 가장 가까운 샘픔 k개를 선택하여 k개의 샘플의 수치를 사용해 샘플 x의 타깃을 예측하는 방법 In [1]: # 데이터 import numpy as np perch_length = np.array( [8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 21.0, 21.0, 21.0, 21.3, 22.0, 22.0, 22.0, 22.0, 22.0, 22.5, 22.5, 22.7, 23.0, 23.5, 24.0, 24.0, 24.6, 25.0, 25.6, 26.5, 27.3, 27.5, 27.5, 27.5,..