전체 글

이 글은 https://www.youtube.com/watch?v=u-G_sV7P_aA&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=14 보고 공부한 글입니다. 지난 시간에 앙상블 알고리즘을 배웠다. 여러개의 알고리즘을 모아서 예측값을 합쳐서 더 나은 모델을 만드는 것이다. 비지도 학습 과일사진을 종류별로 모으고 싶다. 과일을 분류할 수 있는 것을 해보자. 타겟이 없고 특성데이터만 사용한다. 비지도 학습의 2가지 방법은 군집, 차원축소가 있다. 과일 데이터 준비하기 .npy는 numpy확장자이다. !가 맨 앞에있다면 shell 명령어이다. 배열의 크기는 .shape으로 알 수 있다. = (300, 100, 100) 300개 샘플, 각 샘플은 100x100 이미지 이다..

이 글은 https://www.youtube.com/watch?v=Moz8i-tKurk 보고 공부한 글 입니다. 지난 시간에 정형 데이터와 비정형 데이터 정형 데이터 - 머신러닝 비정형 데이터 - 딥러닝 정형 데이터 = 데이터베이스에 담을 수 있는 데이터 행과 열이 잘 구분되어 있다. 비정형 데이터 = 딥러닝에서 뛰어난 성능을 보여준다. 텍스트, 오디오, 이미지, 영상 등이 있다. 정형 데이터는 전처리, 특성공학 처리를 해서 머신러닝에 잘 적용할 수 있었다. 비정형 데이터는 전처리, 특성공학을 처리하기 어렵다. 특성을 추출하는 작업을 표현학습이라고 한다. 랜덤 포레스트 앙상블 - 여러개의 모델을 합쳐서 하나의 결과로 만든다. RandomForestClassifier로 랜덤한 분류를 한다. 랜덤 포레스트 ..

이 글은 https://www.youtube.com/watch?v=ZaIKUvHquEQ&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=12 보고 공부한 글입니다. 지난시간에 와인을 성분만으로 구분해본다. 로지스틱 회귀로 만들면 특성마다 가중치가 나올 것이다. 결정트리로 질문을 던지면서 맞추는 모델이다. sugar 가 -0.239 라고 기준을 정하는 것은 불신도이다. 음성 클래스가 없다면 불신도가 0인 순수한 노드가 될 것이다. 비슷한 샘플이 있다면 불신도가 높다. 검증 세트 훈련 세트에서 훈련하고 테스트 세트로 메개변수(max_depth)를 튜닝 할 수 있다. 그러면 테스트세트에 잘맞게 튜닝되는것 아닌가? 사실은 3개의 세트로 나눈다. 원래 처음 배울 때는 안하다가 중..

이 글은 https://www.youtube.com/watch?v=tOzxDGp8rsg&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=11 보고 공부한 글입니다. 지난 시간에 손실함수 - 모델이 얼마나 실수하는지 손실함수는 낮을 수록 좋다. 분류에서는 손실함수를 로지스틱 함수로 쓴다. 레드 와인과 화이트 와인 캔안에 든 음료가 레드인지 화이트 인지 알아보자. 알코올, 당도, ph만 알고 알아보자. 화이트와인: 양성(1) 레드와인: 음성(0) 데이터 준비하기 wine = 데이터 프레임 info()는 데이터의 타입, 데이터 프레임의 크기를 알려준다. Non-null count은 알코올에 누락된 값이 1개 있다면 6496이 될것이다. 즉, 널이 있다는 것은 빈 자료가 있다는..

이 글은 https://www.youtube.com/watch?v=A1UUnfijQfQ&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=10 보고 공부한 글 입니다. 지난시간에 선형 함수의 z 값을 시그모이드 함수에 넣어서 확률을 구한다. z값만 가지고 예측을 해볼 수 있다. 이렇게 판단하는것이 decission_function이다. 선형 함수의 z값만 보고 판단한다. 0.5> 이면 양성, 0.5 미만이면 음성 decission_function을 사용하는 것이 predict 함수 이다. 바로 확률을 예측해준다. 사실 이진분류일 때 z함수가 1개만 계산이 된다. 양성일 경우 함수만 계산을 한다. 음성은 z값을 시그모이드 함수에 넣고 결과값에 1을 빼면 음성 클래스의 확률이..

Python3 코드 for i in range(int(input())): act_num = int(input()) fibo_0 = [1,0] fibo_1 = [0,1] for i in range(2,act_num+1): fibo_0.append(fibo_0[i-1] + fibo_0[i-2]) fibo_1.append(fibo_1[i-1] + fibo_1[i-2]) if act_num == 0: print("%d %d"%(fibo_0[-2],fibo_1[-2])) else: print("%d %d"%(fibo_0[-1],fibo_1[-1])) Python 코드 풀이 1. 첫째 줄에 테스트 케이스의 갯수를 받는다. for i in range(int(input())): input()을 int()로 캐스팅하고 ..

이 글은 https://www.youtube.com/watch?v=pO27UnTsYQU&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=9 보고 공부한 글 입니다 4장 분류모델을 공부해보자. 지난 시간에 선형회귀에서 특성을 많이 넣으면 과대적합이 된다. 그것을 억제하기 위해서 규제라는 것을 사용한다. 럭키 백 (스토리) 럭키 백에 있는 생선을 사려고한다. 럭키백에 확률이 있다. 도미일 확률이 몇%이다 라는것은 안다뤘다. 숫자를 예측하는 것이니 회귀아닐까? 아니다 분류이다. 도미인지 빙어인지 분류하면서 이 샘플이 도미인지 확신하는 것이다. 이것을 확률로 보여준다. 확률 계산하기 특성: 길이, 높이, 대각선, 두께 x 샘플을 보면 세모가 5개 있으니 10개중에 5개가 있으니..

이 글은 https://www.youtube.com/watch?v=PLECEclz0p4&list=PLJN246lAkhQjoU0C4v8FgtbjOIXxSs_4Q&index=8 보고 공부한 글입니다. 지난 시간에 50cm농어의 무개를 찾으려고 k-최근접 이웃을 사용하니 범위 밖에 값을 예측하기 힘들다. 그래서 선형 회귀 모델을 사용했다. 특성 1개만 사용하면 x축과 y축을 사용한 1개의 직선 방정식만 나오게 된다. 다중회귀 multiple regression, multinamial(다항) 여러개의 변수를 사용하는 회귀 우리는 길이 특성만 사용했었다. 이제는 높이, 두께 데이터를 사용해 본다. 이러면 산점도(그래프) 를 그릴 수 없다. 판다스로 데이터 준비 판다스란? 파이썬 과학 라이브러리 핵심 객체는 데이터..

이 글은 https://www.youtube.com/watch?v=xkknXJeEaVA&list=PLVsNizTWUw7HpqmdphX9hgyWl15nobgQX&index=7 보고 공부한 글입니다. 지난 시간에 배운 것이다. 회귀는 임의의 어떤 숫자를 예측하는 것이다. 물고기의 종류를 묻는 것이 아닌 무게를 보는 것이다. k-최근접 이웃 회귀 알고리즘을 썻다. 회귀에서 타겟의 값은 임의의 숫자가 된다. 타겟과 예측값의 차이로 결과를 낸다. k-최근접 이웃 회귀 문제가 있다! 50cm 농어를 넣었는데 1033g 인 무개가 나왔다. 근데 알고보니 1.5kg 이다! 왜 이런 문제가 나올까? 50의 이웃의 인덱스를 구한다. -> 그래프에 그린다. 예를 들어 100cm인 큰 생선도 최대값이 40cm가 이웃이다. k..