논문 썸네일형 리스트형 ch.5 분류(Classification) 5.1 이항 분류 5.2 다항 분류 5.3 Fashion MNIST 분류(Classification)는 회귀와 함께 머신러닝에서 가장 기초적인 데이터 분석 방법 중 하나다. -분류는 데이터가 어느 범주에 해당하는지 판단하는 문제로서 유사한 것들을 같은 범주로 묶으면 주변에서 일어나는 일을 빠르게 판단하는 데 도움이 된다. 5.1 이항 분류 (Binary Classification): 정답의 범주가 두 개인 분류 문제다. 개와 고양이처럼 와인 종류 구분하기 5.1 캘리포니아 어바인 대학에서 제공하는 와인 데이터 세트 불러오기 -> 데이터 정제 및 분석을 위해 판다스 라이브러리를 사용 pd.read_csv()는 CSV파일을 pandas에서 사용하는 데이터 프레임으로 읽어오는 함수다 데이터 프레임: 행(인덱스.. 더보기 ch.10 강화학습 10.1 신경망으로 경험 학습하기 10.2 큐 러닝 10.3 딥 큐 러닝 네트워크 강화 학습(Reinforcement Learning) : 실수와 보상을 통해 배우는 알고리즘. 신경망이 정답과 예측 사이의 오차를 역전 파해서 의미 있는 가중치와 편향을 학습하는 것처럼 강화 학습은 좋은 선택과 나쁜 선택에서 모두 배운다. 10.1 신경망으로 경험 학습하기 가장 대표적인 강화학습 환경 GYM. GYM은 문제가 주어진 환경(environment)이 있고 문제를 풀기 위한 에이전트(agent)가 존재한다. 에이전트는 행동(action)으로 환경에 영향을 주고, 그 결과에 따라 보상(reward)을 받는다. 좋은 보상이면 그 행동을 더 많이 하고, 나쁜 보상을 받으면 그 행동을 덜 하도록 학습하는 것. 예제 1).. 더보기 ch 4 - 회귀 4.1 선형 회귀(Linear Regression) 4.2 다항 회귀(Nonlinear Regression) 4.3 딥러닝 네트워크를 이용한 회귀 4.4 보스턴 주택 가격 데이터 세트 4.5 정리 회귀(Regression) : 되돌아온다(평균으로 회귀) 4.1 선형 회귀 : 데이터의 경향성으로 하나의 직선을 예측하는 것. X와 Y ex) 공부잘하는 학생의 국어성적과 수학성적, 키와 몸무게, 치킨 판매량과 맥주 판매량 등.. 극단치(outlier) : 일반적으로 경향에서 벗어나는 사례로 일반적인 경향을 파악하기 위해 극단치를 제거하는게 좋다 ex) 세종시의 인구 증가율과 고령인구비율 잔차(residual) : 데이터의 경향성을 가장 잘 설명하는 하나의 직선과 각 데이터의 차이. -이런 잔차의 제곱을 최소화.. 더보기 책 :텐서플로 2.0 프로그래밍 1. 텐서플로란? 2. 텐서플로 설치⊂ 3. 텐서플로 기초 파이썬 4. 회귀 5. 분류 6. 컨볼루션신경망(CNN) 7. 순환신경망 8. 모델 다루기 9. 오토인코더 10. 강화학습 텐서플로(TensorFlow)텐서가 흐른다 : 머신러닝을 위한 오픈소스 플랫폼 텐서 : 값을 가진 벡터나 행렬로 텐서플로는 이 텐서의 값을 계산해서 원하는 결과를 얻어냄 딥러딩 ⊂ 머신러닝 ⊂ 인공지능 아나콘다, 그래픽 드라이버(CUDA, cuDNN), 텐서플로, DLL파일 포함하는 패키지 설치 필요 설치과정이 많지만 어렵진 않다..NVDIA그래픽이 있으면 먼저 삭제 해주고 책에 있는대로 CUDA, cuDNN을 순서대로 설치해주면 된다. 그리고 나머지 C++ 패키지 설치하고 텐서플러우 설치하고 다시 정리 ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ.. 더보기 안드로이드를 활용한 악성코드 탐지에 대한 연구 인공지능 + 악성코드 탐지 더보기 이전 1 다음
