MEDC MEDC

1. Contents 1) 인공 신경망 생물학적 neuron에서 영감을 받아 만든 머신러닝 알고리즘 신경망을 사용하면 기존의 머신러닝 알고리즘으로 다루기 어려운 이미지, 음성, 텍스트 등에서 뛰어난 성능을 발휘함 인공신경망 알고리즘 == 딥러닝 Tensorflow는 google이 만든 딥러닝 라이브러리로서, CPU 또는 GPU를 사용해 인공 신경망 모델을 효율적으로 훈련하며 모델 구축과 서비스에 필요한 다양한 도구를 제공함. Keras를 핵심 API로 채택한 이래 간단한 모델 부터 복잡한 모델까지 손쉽게 만들 수 있음. Dense Layer(밀집층)은 가장 간단한 인공 신공망 층으로서, 양쪽의 neuron이 모두 연결하고 있기 때문에 fully connected layer(완결 연결층)이라고도 부름. 인..

1. Contents 1) 군집 알고리즘(Clustering) Unsupervised Learning(비지도학습)은 머신러닝의 한 종류로 훈련 데이터에 타겟이 없음. 따라서 외부 도움 없이 스스로 학습해야 함. 대표적인 비지도학습은 Clustering(군집), Dimension Reduction(차원 축소: PCA, tSNE 등)이 있음. Clustering(군집)은 비슷한 샘플끼리 하나의 그룹으로 모으는 대표적인 비지도 학습임. 군집 알고리즘으로 모은 샘플 그룹을 Cluster라고 부름. Histogram(히스토그램: hist())은 구간별로 값이 발생한 빈도를 그래프로 표시한 것. 보통 x축이 값의 구간이고 y축은 발생 빈도임. 2) K-MEANS K-Means(K-평균) 알고리즘은 처음에 랜덤하게 ..

1. Contents 1) Decision Tree(결정 트리) Decision Tree(결정 트리)는 예 / 아니오에 대한 질문을 이어나가면서 정답을 찾아 학습하는 알고리즘으로서, 비교적 예측 과정을 이해하기 쉽고 성능도 뛰어남. Impurity(불순도)는 결정 트리가 최적의 질문을 찾기 위한 기준. Scikit-learn에는 Gini Impurity와 Entropy Impurity가 있음. 노드에서 데이터를 분할할 기준을 criterion이라고 하며, DecisionTreeClassifier 클래스의 criterion 매개변수의 기본 값이 "gini"임. Gini Impurity(지니 불순도)는 "1 - (음성 클래스 비율^2 + 양성 클래스 비율^2)"로 계산하며, 0.5가 나올 경우 클래스의 비율..

1. 2주차 Contents - 회귀(Regression): 타겟값(임의의 수치)를 예측하는 기법 - KNeighborsRegressor(): 가장 가까운 이웃 샘플을 찾고 이 샘플들의 타겟값을 평균하여 예측. n_nighbors 매개변수로 이웃의 개수를 지정하며 기본값은 5. - mean_absolute_error(): 평균 절대값 오차. 첫 번째 매개변수는 타겟, 두 번째 매개변수는 예측값을 전달하며 비슷한 개념의 평균 제곱 오차(mean_squared_error())는 이에 제곱근을 을 씌운 개념임. - reshape(): 배열의 크기를 바꾸는 메서드 - 결정계수(R2): 회귀문제 성능 측정도구. 1에 가까울 수록 성능이 좋은 모델 - 과대적합(Overfitting): 모델이 trainset에 너무..

1. 1주차 Contents 1) 인공지능, 머신러닝, 딥러닝 2) 코랩, 노트북, 구글드라이브 (1) 코랩 텍스트 셀 툴바 (2) 텍스트 셀에 사용할 수 있는 마크다운 3) 특성, 훈련, KNeighborsClassifier(K-최근접 이웃 알고리즘), 모델, 정확도 (1) matplotlib (2) sk-learn 4) 지도학습, 비지도학습, 훈련세트, 테스트세트 (1) numpy (2) seed() (3) arrange() (4) shuffle() 5) 데이터 전처리, 표준점수, 브로드캐스팅 (1) sckit-learn (2) train_test_split() (3) kneighbors() 2. 기본 미션 : 코랩 실습 캡쳐 3. 선택 미션 1) 머신러닝 알고리즘의 한 종류로서 샘플의 입력과 타깃을..