전체 글48 6주차_딥러닝을 시작합니다 기본 숙제(필수): Ch.07(07-1) 확인 문제(p.386) 풀고, 설명하기답: 3번1000 x 10(특성 x 뉴런 개수) + 10(각 뉴런당 절편) 이므로 총 1010개의 모델 파라미터가 필요하다.답: 2번이진 분류의 경우 sigmoid 함수를 활성화 함수로 지정한다.답: 4번compile() 메서드에서 손실 함수와 측정 지표 등을 지정한다.답: 1번정수 레이블을 타깃으로 가지는 다중 분류 문제일 때는 sparse_categorical_crossentropy 손실함수를 사용한다.추가 숙제(선택): Ch.07(07-2) 확인 문제(p.409~410) 풀고, 설명하기답: 2번add() 메서드 안에 keras.layers.Dense() 형식으로 객체를 전달한다.답: 2번케라스 층으로 펼칠 때는 Flatt.. 2025. 8. 17. 5주차_비지도 학습 기본 숙제(필수): k-평균 알고리즘 작동 방식 설명하기 비지도 학습은 정답이 없는 데이터를 학습하는 방법이다. 비지도 학습 중 k-평균 알고리즘은 다음과 같이 작동한다.1. 랜덤하게 k개의 클러스터의 중심을 정한다.2. 각 데이터들에서 가장 가까운 클러스터의 중심을 찾고, 해당 데이터를 그 클러스터의 속한 것으로 묶는다.3. 클러스터에 속한 데이터들의 평균값으로 해당 클러스터의 중심을 바꾼다.중심의 변화가 없을 때까지 2번부터의 과정을 반복한다. 추가 숙제(선택): Ch.06(06-3) 확인 문제(p.354) 풀고, 설명하기답: 2번주성분의 개수는 특성의 개수만큼 찾을 수 있다.답: 1번특성의 개수를 주성분의 개수로 변환하는 것이기 때문에 (1000, 100)이 (1000, 10)으로 된다.답: 1.. 2025. 8. 10. 4주차_트리 알고리즘 기본 숙제(필수): 교차 검증을 그림으로 설명하기이전에 모델 학습은 훈련 데이터와 테스트 데이터로 나눠서 진행하였다. 이렇게 테스트로 모델을 평가하면 결국에는 테스트 데이터들에 맞춰진 모델을 얻게 된다. 그래서 테스트 데이터는 마지막에 성능을 평가할 때만 사용하는 것이 좋다. 이번 챕터에서는 훈련 데이터로 모델을 학습시키고 검증 데이터로 모델을 검증하고, 테스트 데이터로 평가하였다. 검증 데이터는 기존 훈련 데이터의 일부분을 떼어내서 사용한다. 교차 검증은 이런 검증 데이터 세트를 떼어내서 평가하는 것을 여러 번 반복하는 것이다. 그런 다음 검증 세트로 평가한 점수를 평균내서 최종 검증 점수를 얻는다. 위 그림과 같이 세 부분으로 나눠서 교차 검증을 하는 것을 3-폴드 교차 검증이라고 한다. 보통 5-.. 2025. 7. 27. 3주차_다양한 분류 알고리즘 기본 숙제(필수): Ch04(04-1) 확인 문제(p.208) 2번 풀고, 설명하기답: 1번로지스틱 회귀에서는 시그모이드 함수를 사용해서 이진 분류에서 확률을 출력한다.소프트맥스는 다중분류에서 확률을 출력하기 위해 사용한다.추가 숙제(선택): Ch04(04-2) 과대 적합 / 과소 적합 손코딩(p.220) 하고 코랩 화면 캡처하기 에포크 횟수가 적으면 모델이 훈련 세트를 적게 학습하기 때문에 과소적합이 발생하고, 에포크 횟수가 크면 모델이 훈련 세트에만 최적화되어 테스트 세트를 잘 맞추지 못하는 과대적합이 발생하게 된다. 위 코드는 에포크를 0에서 300까지로 학습시켰을 때의 훈련 세트와 테스트 세트에 대한 정확도를 그래프로 나타낸것이다.그래프를 보면 에포크가 작았을 때는 둘 다 정확도가 낮아 과소적합.. 2025. 7. 20. 2주차_회귀 알고리즘과 모델 규제 기본 숙제(필수): Ch.03(03-1) 확인문제(p.134) 4번 출력 그래프 인증하기 확인문제 4번에 해당하는 코드는 아래와 같다. k-최근접 이웃 회귀 객체를 만들고 5에서 45까지 1씩 늘어나는 x를 만든다.모델이 참고하는 이웃의 개수가 1, 5, 10일 때의 그래프를 그리도록 각각의 경우를 학습시키고 예측결과와 그래프를 그리도록 for문으로 작성한다. 그래프는 아래와 같다.n이 1일 때는 주어진 학습 데이터 하나하나에 맞춰 그래프가 그려지는데, n이 커질수록 비교적 보편적이게 그래프가 그려지는 것을 알 수 있다.이번 chapter 3를 공부하면서 모델을 학습시킬 때는 항상 훈련 세트를 기준으로 한다는 것이 강조되고 있다고 느껴졌고, 그만큼 그 부분이 중요하다는 것을 알게 되었다. 이전 주차에서 .. 2025. 7. 12. 1주차_나의 첫 머신러닝 및 데이터 다루기 기본숙제(필수): 코랩 실습 화면 캡처하기 1-3도미데이터를 입력하고, 산점도로 그려보았다.빙어데이터도 입력한 뒤, 빙어데이터와 도미데이터를 산점도로 나타내었다. 도미가 파란색, 빙어가 주황색이다.도미의 길이와 빙어의 길이 리스트를 length에 합쳐서 저장, 무게도 마찬가지로.zip()을 사용하여 fish_data에 length와 weight가 열로 각각에 해당하는 데이터가 행으로 저장된다.fish_target 데이터로 맞춰야 하는 도미를 1로, 빙어를 0으로 저장한다. 사이킷런의 k최근접 이웃 알고리즘을 임포트한다. kn에 모델을 생성하고 fit()을 통해 학습시킨다.score()를 통해 정확도를 알 수 있다. 1은 모든 것을 맞췄다는 것을 의미한다.길이가 30이고 무게가 600인 데이터는 세모로 표.. 2025. 7. 5. 이전 1 2 3 4 ··· 8 다음
