기본 콘텐츠로 건너뛰기

인공신경망


뉴런(Neuron)

활성 함수(Activation)
활성화와 비활성화를 결정한다

직선의 방정식
aX + b = y

곡선의 방정식
W1X1 + W2X2 + W3X3 + ... + b(Bias) = y

손실함수(Loss Function)
추정과 실제의 차이를 계산하는 함수
고차함수로 계산함
Label : 아주 많아짐
Prediction : 추정(실제값과 추정값을 비교해서 최적의 값을 찾아냄)
MSE(각각의 에러의 제곱의 평균,Mean Square Error) : 회귀
MAE
Binary_CrossEntropy : 
Categorical_CrossEntropy

확률적 경사하강법(SGD : Stochastic Gradiant Descendent)
가중치를 올려서 기울기 0(최적의 가중치)을 찾는 방법

최적화(Optimizer) : 학습률을 조정하는 것
학습률을 최적화 해준다
SGD(Stochastic Gradient Descent, 확률적 경사하강법)
Adam : 가장 좋은 옵티마이저

오차 역전파(Backpropagation)
과적합, 과소적합
순정파, 역전파

라벨:

이 블로그의 인기 게시물

Blogger

코드 하이라이트 사이트 http://hilite.me/ 코드 <!-- 나만의 공간 --> <style id='daru_css' type='text/css'> .code {      overflow: auto;      height: 200px;      background-color: rgb(239,239,239);      border-radius: 10px;      padding: 5px 10px; } .code::-webkit-scrollbar-thumb {      background-color: grey;      border: 1px solid transparent;      border-radius: 10px;      background-clip: padding-box;   } .code::-webkit-scrollbar {      width: 15px; } </style> <!-- 나만의 공간 -->
더보기

Python Sklearn make_blobs

from sklearn.datasets import make_blobs 예제 X, y = make_blobs(n_samples=500, centers=3, n_features=2, random_state=0) # 500개의 점을 3개로 모이게 한다, 변수는 2개, 무작위 상태는 0 X.shape, y.shape # ((500, 2), (500,)) plt.scatter(X[:,0],X[:,1],c=y,s=5) plt.show() # 학습 데이터 나누기 from sklearn.model_selection import train_test_split x_train, x_test, y_train, y_test = train_test_split(X, y, test_size=.25, random_state=0) x_train.shape, x_test.shape, y_train.shape, y_test.shape # ((375, 2), (125, 2), (375,), (125,)) # 지도 학습 하기 from sklearn.linear_model import LogisticRegression logisticReg = LogisticRegression(max_iter=5000) # 기본 반복 100 logisticReg.fit(x_train, y_train) # 추정하기 pred = logisticReg.predict(X) # 결정계수 logisticReg.score(x_test, y_test) # 0.92 # 한글 깨짐 없이 나오게 설정 from matplotlib import rcParams # 인코딩 폰트 설정 rcParams['font.family'] = 'New Gulim' rcParams['font.size'] = 10 # 산점도 plt.figure(figsize=(10,4)) plt.subplot(1,2, 1) plt.scatter(X[:,0],X[:,1],c=y) plt.title('정답') plt.su...
더보기

Python 문법

제곱 c = c**2; 주석 # 주석 함수 # 함수 형식 def hello(): # 함수 선언     print("여기는 함수") # 함수 실행문 hello() # 함수 호출 #결과: 여기는 함수 def add(a,b): # 매개변수에 자료형이 필요없다     c = a+b     print(f"{a} + {b} = {c}") add(3,5) #결과 : 3 + 5 = 8 if문 if a > b:     print("a가 큽니다") 객체의 정보 dir(객체) 객체의 주소 id(객체) 생략 if 'a' == 'a':     pass # 생략 else:     pass # 생략 enumerate for i,v in enumerate(range(20, 26)):     print(i,v) display display(df)
더보기