hyeonae

심층 신경망 입력층(784개): 입력 데이터의 개수와 동일함 은닉층(100개): 정해진 개수는 없지만, 최소한 출력층의 개수보다 커야 손실이 발생하지 않음 출력층(10개): 클래스의 개수와 동일함 먼저 이전 챕터와 동일하게 패션 MNIST 데이터셋을 준비한다. 텐서플로우 객체 생성 import tensorflow as tf tf.keras.utils.set_random_seed(42) tf.config.experimental.enable_op_determinism() 훈련 데이터셋과 테스트 데이터셋 준비 from tensorflow import keras (train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mnis..

인공 신경망 패션 MNIST MNIST: 사이킷런에서 기본적으로 제공되는 데이터셋으로, 0~9개의 클래스와 28*28 크기의 흑백 데이터 6만개 패션 MNIST의 경우에는 10개의 클래스가 존재한다. # keras 모듈 사용 - load_data() from tensorflow import keras (train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mnist.load_data() 실제로 출력해보면 이미지의 크기가 28 * 28 이다. print(train_input.shape, train_target.shape) # 결과 (60000, 28, 28) (60000,) print(test_input.shape, t..

주성분 분석 차원 축소 이미지 데이터는 크기가 너무 크기 때문에 디스크를 최적화하기 위해 결과에 영향을 미치지 않을 정도로 이미지의 차원을 축소해야 한다. PCA 클래스 PCA 알고리즘: 데이터의 분포를 가장 잘 나타내는 주성분(선)을 이용하는 알고리즘 주성분은 여러 개가 존재할 수도 있다. 차원 축소를 통해 주성분의 개수를 줄일 수 있다. 주성분은 기존 주성분의 수직 방향으로 차례대로 찾는다. 데이터 준비하기 !wget https://bit.ly/fruits_300_data -O fruits_300.npy import numpy as np fruits = np.load('fruits_300.npy') fruits_2d = fruits.reshape(-1, 100*100) PCA 클래스를 이용해 먼저 5..

그렇다면 타깃 데이터를 알지 못해도 머신러닝은 자동으로 같은 과일들을 분류할 수 있을까요? 개념 알고 가기 클러스터링 = 군집 알고리즘 클러스터 = 덩어리, 모음 K-평균 1. k개의 중심점을 무작위로 잡고 가장 가까운 이미지끼리 묶어 군집을 형성한다. 2. 군집 내부의 평균을 다시 구해 중심점을 평균점으로 옮긴다. 3. 옮긴 중심점을 기준으로 다시 가장 가까운 이미지끼리 묶어 군집을 형성한다. 4. 위의 과정을 더이상 군집에 변경이 없을 때까지 반복한다. KMeans 클래스 챕터 1과 동일하게 과일 사진 데이터를 준비해보자. !wget https://bit.ly/fruits_300_data -O fruits_300.npy import numpy as np fruits = np.load('fruits_3..

군집 알고리즘 과일 사진들이 주어졌을 때, 머신러닝 모델은 자동으로 같은 과일의 이미지들끼리 분류할 수 있을까? 비지도 학습 타깃이 없는 문제에 대해 특성 데이터만을 가지고 학습시킬 수 있는 방법을 말한다. 군집 (6.2장) 차원 축소 (6.3장) 과일 사진 데이터 먼저 준비하기 아래 메소드로 과일 사진 데이터를 불러온다. # !로 시작하면 쉘 명령어 실행 !wget https://bit.ly/fruits_300_data -O fruits_300.npy 불러온 데이터는 넘파이 배열로 변환해서 학습에 사용할 수 있다. import numpy as np import matplotlib.pyplot as plt # 넘파이 배열로 변환 fruits = np.load('fruits_300.npy') # 100 *..

결정 트리 알코올 농도, 당도, pH지수에 따라 레드 와인과 화이트 와인을 분류해보자. 양성 클래스(1)는 화이트 와인으로 간주한다. pandas 라이브러리의 info() 메소드로 각 열이 가지는 정보에 대해 먼저 살펴보자. Non-Null Count: 전체 데이터 중 각 열에 대해서 Null 값이 아닌 데이터의 개수 Dtype: 각 열에 저장된 값들의 타입 memory usage: 사용 중인 메모리 크기 describe()를 사용하면 각 열의 평균값, 표준편차, 최대값 등을 살펴볼 수 있다. 사이킷런의 LogisticRegression 클래스로 로지스틱 회귀를 사용할 수 있다. 결정 트리는 하나의 기준(당도가 2보다 작은가요?)에 따라 데이터셋을 두개로 분류(예: 레드 와인, 아니오: 화이트 와인)하는..