데이터들

목표 딥러닝 신경망으로 iris 다중분류 문제를 해결해보자 import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.datasets import load_iris iris = load_iris() iris.keys() dict_keys(['data', 'target', 'frame', 'target_names', 'DESCR', 'feature_names', 'filename', 'data_module']) iris.feature_names iris.feature_names ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (c..

기본이 선형함수라 따로 설정안해도 선형함수를 활성화함수를 쓴다 --> 회귀 에 사용 0.5를 기준으로 크면 1 작으면 0 --> 이진분류 에 사용 선형함수만 쓰면 결국 값이 똑같아져서 다층 퍼셉트론의 의미가 없기때문에 중간층에는 선형함수는 쓰지않는다 -> 회귀문제 풀때 마지막인 출력층에 선형함수를 쓴다 어제 과음을 한 학생이 등원 할 확률을 구하는 모델 step function -> 최종 예측: 안나간다 뉴런당 예측값 >나간다 >나간다 >안나간다 >안나간다 >안나간다 Sigmoid(확률 정보로 출력가능) -> 최종 예측 : 나간다 뉴런당 예측값 (나갈확률:안나갈확률) > 술이랑 상관없이 나간다 (0.9: 0.1) > 어제 술마셔서 힘들지만 나간다 (0.7:0.3) > 코로나도 있는데 위험하니 안나간다 (..

목표 환자 데이트를 바탕으로 해당환자가 유방암인지 아닌지 분류해보자 import numpy as np import pandas as pd import matplotlib.pyplot as plt # 학습용 유방암 데이터 로드 from sklearn.datasets import load_breast_cancer data = load_breast_cancer() data data.keys() dict_keys(['data', 'target', 'frame', 'target_names', 'DESCR', 'feature_names', 'filename', 'data_module']) X = data['data'] y = data['target'] X.shape, y.shape ((569, 30), (569,)..

목표 폐암환자의 생존을 예측하는 신경망 모델을 만들어보자 keras를 이용해 2진분류 문제를 해결해보자 import numpy as np import pandas as pd import matplotlib.pyplot as plt # header=None : 데이터프레임에서, 컬럼명을 설정해주는 함수(None : 인덱스 번호로 출력됨) data = pd.read_csv('/content/drive/MyDrive/Colab Notebooks/빅데이터 13차(딥러닝)/Data/ThoraricSurgery.csv', header=None) data # 17번 인덱스 행이 환자의 생존여부를 표시 01234567891011121314151617 029313.802.8000000012000106..

사람의 신경망은 일정한 크기 이상의 자극(역치)이 들어와야 자극을 다음 뉴런에게 전달 이 개념을 인공신경망에도 적응 시킨다 y값을 활성화함수에 넣고 활성화 함수가 이를 퍼셉트론 이라 한다 역치 이상의 자극인지 판단한다 활성화 함수 중 계단함수 역치이상이면 1 / 미만이면 0으로 0또는 1로 분류 -> 사람은 0아니면 1로 딱 떨어지게만 생각하지 않는다 -> 이를 보완하기 위해 Sigmoid 함수가 나온다. 시그모이드 함수(0~1사이의 값들 중 확률에따라 선택) 퍼셉트론 하나 직선하나를 그어서는 (0과1을 분리) XOR게이트를 풀 수 없었다. -> MLP 다층 퍼셉트론 NAND(Not and) OR 두개를 AND 게이트화 시키면 XOR게이트를 풀 수 있다. 다층 구조 한 번의 연산으로 해결 되지 않는 문제..

목표 학생 수학 성적을 예측하는 회귀 모델을 만들어 보자! keras를 이용해 신경망을 구성하는 방법을 익혀보자~ import numpy as np import pandas as pd import matplotlib.pyplot as plt # delimiter : 데이터 파일에서 구분자를 설정해주는 명령 data = pd.read_csv('/content/drive/MyDrive/Colab Notebooks/빅데이터 13차(딥러닝)/Data/student-mat.csv', delimiter=";") data schoolsexageaddressfamsizePstatusMeduFeduMjobFjob...famrelfreetimegooutDalcWalchealthabsencesG1G2G3..

머신러닝 : 예측 딥러닝: 머신러닝으로 처리하기 힘든 비정형 데이터(영상, 이미지)를 처리하기 위해 지속적인 학습 가능 (학습 횟수 설정) 하나의 뉴런을 선형모델로 대응 시켜준다 -> 선형모델 처리속도가 빨라서 다량의 뉴런이 있는 딥러닝에 적합 선형회귀 : 연속적인 실수 값을 예측하는 분야 y=wx+b w: 가중치,기울기 -> 들어오는 데이터 x의 중요도를 나타낸다. 오차끼리 더했을때 합이 0이 될 수 있으므로 오차에 절대값 또는 제곱값 사용 (MSE) 회귀 모델의 목표: MSE가 최소가 되는 최적의 w, b 값을 구하는 것 그래서 경사 하강법이 나온다. 예측값 H(x)에 y=wx+b가 포함 -> MSE에 y=wx+b식이 포함 기울기 (위 그래프를 미분한 값)가 낮은 쪽을 찾아서 w값을 바꿔나간다 -> ..