머신러닝6

• 

  머신 러닝) padding, same 이번 글은 약간 기록용으로 padding=same의 원리에 대해서 알아보겠다.기본적으로 이건 입력과 출력의 크기를 같게 만들기 위한 것이다. https://alpaca-code.tistory.com/264 머신 러닝) 필터와 커널이번 글에서는 필터와 커널에 대해서 알아보겠다.AI에게 물체에서 고양이가 있는지 없는지 판단하라고 말하려면 어떡해야 할까?어떤 공간 안에 고양이의 특징이 담긴 구역을 판단하면 좋을 것alpaca-code.tistory.com 필터를 사용하다 보면 가장자리를 찍으면 크기가 달라지게 된다. 만약 2x2의 필터로 첫 사진에서 우측 상단 1만을 찍고 싶다면 이해가 될 것이다.그러면 바깥 방향으로 필터를 벗어나게 한 뒤 찍을 것인데, 그러면 크기가 달라진다. 원래는 2x2여야 할 것이 1.. 머신러닝 2024. 12. 25.

• 

  머신 러닝) 필터와 커널 이번 글에서는 필터와 커널에 대해서 알아보겠다.AI에게 물체에서 고양이가 있는지 없는지 판단하라고 말하려면 어떡해야 할까?어떤 공간 안에 고양이의 특징이 담긴 구역을 판단하면 좋을 것 같다. 이렇게 고양이를 포착하기 위해서 만드는 구역을 필터 또는 커널이라고 부른다.커널의 크기는 저 공간의 크기를 말하며, 너무 작으면 특징이 드러나지 않기에 안되고너무 크면 귀, 꼬리처럼 세부 특징을 파악하기 어려우므로 적절한 크기가 중요하다. 책에서 본 예시로는 마치 도장을 찍듯 특징을 파악한다는 말이 있다.데이터 라벨링에서 구역을 나누듯 이것도 비슷한 원리인 것 같다. model = keras.Sequential()model.add(keras.layers.Conv2D(32,kernel_size=3,activation=.. 머신러닝 2024. 12. 25.

• 

  로지스틱 회귀 로지스틱 회귀는 선형 방정식을 사용한 분류 알고리즘이며, 시그모이드 함수나소프트맥스 함수를 사용하여 클래스 확률을 출력할 수 있다. 이때 시그모이드함수는 확률을 0-1안에 가두는 역할을 한다.새로 알게 된 사실은 점대칭 도형이 아닌 것 같다는 사실이다. 그리고 소프트맥스 함수는 각 확률의 합이 1이 될 수 있도록 유도한다.여기에 다중 회귀 모델을 응용하면 다중 분류를 수행할 수 있다. import pandas as pdfish = pd.read_csv('https://bit.ly/fish_csv_data')fish.head()fish_input = fish[['Weight', 'Length', 'Diagonal', 'Height', 'Width']].to_numpy()fish_target = fish[".. 머신러닝 2024. 12. 20.

• 

  다중 회귀 알고리즘 다중 회귀 알고리즘이란 여러 가지 특성을 반영하여 연관성을 찾는 알고리즘을 말한다.이전 선형 회귀 모델에서 입력되는 특성, 출력되는 특성의 2가지 특성만 가지고연관성을 분석하여 그래프를 만들었는데, 사실 결과를 도출할 수 있는 특성은 여러 개일 수 있다.예를 들어 농어의 무게를 예측하고 싶다면 농어의 길이 말고도 두께, 암수컷 등여러 가지 특성을 함께 고려한다면 조금 더 정확한 무게 예측 시스템이 될 것이다.다중 회귀 모델의 경우 그래프가 저렇게 평면 이상으로 나타나기도 한다.당연하게도 입력이 여러 개인데 그래프의 x는 여러 개일 수가 없기 때문에 x, z 등의 축이 특성으로 나타나기에 그렇다.근데 우리는 4차원 이상은 볼 수 없기 때문에 보통 3차원 축 안의 평면까지만 나타낸다. import panda.. 머신러닝 2024. 12. 20.

• 

  선형 회귀 알고리즘 이번 글은 많이들 들어봤을 알고리즘인 선형 회귀에 대해서 소개하겠다."선형"이라는 말처럼 일직선의 예측 경로를 알아내서 그에 기반해 추측을 진행한다.가령 위와 같은 데이터 분포가 있으면 직관적으로 봐도 선을 연결하고 싶을 것이다.이렇게 표본들의 연관성을 기반으로 선을 만들어내고, 그를 기반으로 예측을 생성한다. ("회귀"가 예측을 생성하는 모델이다. "분류"는 종류를 나누는 모델이다)이걸 다항함수로 바꿀 수도 있다. 예를 들어 이차식으로 바꿔 곡선으로 바꿔줄 수 있다.이런 방법은 치환을 이용해서 이해하면 쉽다. perch_length = np.array([8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 21.0, 21.0, 21.0, 2.. 머신러닝 2024. 12. 20.

• 

  k - 최근접 이웃 알고리즘 (KNN) 새로운 주제로 인공지능에 대해서도 공부하기 시작했다.개인적으로 AI  거품론을 믿고 싶지만 만약 그런 미래가 도래한다면이것 또한 할 줄 알아야 하지 않을까 하는 마음에 시작하려 한다.물론 따로 계기가 있긴 하다.k - 최근접 이웃 알고리즘그래서 이번엔 가장 쉬운 알고리즘 중 하나인 k - 최근접 이웃 알고리즘에 대해 알아보겠다.우선 이 알고리즘은 내가 이해하기로 표본들의 분포를 기반으로 가장 비슷한 유형을추측하는 것이다. 각 표본과의 거리를 비교하여 비슷한 집단을 추측한다.이 두 색의 집단을 보면 한쪽은 도미, 한쪽은 빙어이다.당연히 왼쪽이 더 작고 가벼운 빙어인데, 세모는 그렇다면 무슨 생선일까? 본능적으로 도미라고 추측할 수 있다. 세모가 도미 집단에 더 가깝기 때문이다.이렇듯 k 최근접 이웃 알고리.. 머신러닝 2024. 12. 20.