TIL

신경망 입력 레이어 - 학습 데이터(입력 데이터) 받는 레이어 출력 레이어 = 학습 결과 출력 중간 레이어(은닉 레이어) = 데이터에서 특징량을 추출하는 레이어 각 레이어에는 "○"로 표현되는 노드 배치, 노드끼리는 "-"로 표현되는 엣지(링크)로 연결 엣지는 가중치라고 부르는 값을 가지고 있다. 순전파 = 입력레이어부터 오른쪽으로 계산이 이루어짐 역전파 = 출력레이어부터 왼쪽으로 계산이 이루어짐 순전파의 구조 바로 전 레이어에 있는 노드 값과 엣지의 가중치를 곱한 뒤 모든 결과 더하기 더한 값을 활성화 함수로 변환 -- 해당 노드의 값! 다음 노드로 전달한다. 학습타입에 따른 활성화함수: 분류 - 소프트맥스 함수 회귀(수요 예측..) - 항등 함수 역전파의 구조 순전 파에서 계산한 결과를 정답 데이터와..

[[ 0 0 1 2] [ 0 0 0 3] [ 4 5 6 7] [ 0 8 9 10] [ 0 11 12 13] [ 0 0 0 14] [ 0 0 0 15] [ 0 0 16 17] [ 0 0 18 19] [ 0 0 0 20]]자연어 = 우리가 평소에 말하는 음성이나 텍스트 자연어 처리(Natural Language Processing, NLP) : 자연어를 컴퓨터가 인식하고 처리하는 것 텍스트 전처리 과정 토큰화(tokenization) : 입력된 텍스트를 잘게 나누는 과정 keras, text 모듈의 text_to_word_sequence() 함수 : 문장을 단어 단위로 나눔 from tensorflow.keras.preprocessing.text import text_to_word_sequence text ..

MNIST 데이터셋 - 미국 국립표준기술원(NIST)이 고등학생과 인구조사국 직원 등이 쓴 손글씨를 이용해 만든 데이터로 구성 - 70,000개의 글자 이미지에 각각 0부터 9까지 이름표를 붙인 데이터셋 손글씨 이미지를 몇 %나 정확히 맞출 수 있는가? MNIST 데이터는 케라스를 이용해 불러올 수 있다. mnist.load_data() 함수 : 사용할 데이터 불러오기 X : 불러온 이미지 데이터 Y_class : 이 이미지에 0~9까지 붙인 이름표 • 학습에 사용될 부분: X_train, Y_class_train • 테스트에 사용될 부분: X_test, Y_class_test from keras.datasets import mnist (X_train, Y_class_train), (X_test, Y_c..

데이터 확인 import pandas as pd df = pd.read_csv(”../dataset/housing.csv”, delim_whitespace=True, header=None) print(df.info()) Range Index:506 entries,0 to 505 Data columns (total 14 columns): 0 506 non-null float64 1 506 non-null float64 … … … … 13 506 non-null float64 Dtypes: float64(12), int64(2) memory usage: 55.4 KB Index 506개= 총 샘플의 수는 506개 컬럼 14개= 13개의 속성과 1개의 클래스 0 1 2 3 … 12 13 0 0.00632 18..

df_pre라는 공간에 데이터를 불러옵니다. sample() 함수 : 원본 데이터의 몇 %를 사용할지를 지정, 원본 데이터에서 정해진 비율만큼 랜덤으로 뽑아오는 함수 frac = 1 : 원본 데이터의 100%를 불러오라는 의미 (frac = 0.5로 지정하면 50%만 랜덤) df_pre = pd.read_csv(’../dataset/wine.csv’, header=None) df = df_pre.sample(frac=1) print(df.info()) Data columns (total 13 columns): 0 6497 non-null float64 1 6497 non-null float64 2 6497 non-null float64 3 6497 non-null float64 4 6497 non-nul..

import pandas as pd df = pd.read_csv(’../dataset/sonar.csv’, header=None) print(df.info()) Range Index: 208 entries,0 to 207 Data columns (total 61 columns): 0 208 non-null float64 1 208 non-null float64 … … … … 59 208 non-null float64 60 208 non-null object Dtypes: float64(60), object(1) memory usage: 99.2+ KB Index가 208개이므로 총 샘플의 수는 208개이고, 컬럼 수가 61개이므로 60개의 속성과 1개의 클래스로 이루어져 있음 모든 컬럼이 실수형(flo..