728x90 반응형 SMALL classification7 텐서플로우 (TensorFlow) Deep Learning and Neural Network 신경망은 최초의 기계 학습 모델 중 하나였다. 그 인기는 두 번 떨어졌고 이제 세 번째로 증가하고 있다. 딥러닝은 신경망의 사용을 의미한다. 딥러닝의 deep은 많은 숨겨진 계층이 있는 신경망을 의미한다. 신경망은 너무 오랫동안 존재해왔기 때문에 꽤 많은 짐을 가지고 있다. 연구자들은 많은 다른 훈련 알고리즘, 활성화/전달 기능 및 구조를 만들어 왔다. 신경망은 입력을 받아들여 출력을 만든다. 신경망에 대한 입력을 특징 벡터 (feature vector)라고 한다. 신경망에 대한 입력은 항상 고정된 길이이다. 이 벡터의 크기를 변경하는 것은 일반적으로 전체 신경망을 다시 만드는 것을 의미한다. 특징 벡터를 "벡터"라고 하지만 항상 그렇지는 않다... 2023. 7. 28. [AI] 평가 모델 (1) 평가 모델 머신러닝에서 각각의 알고리즘이 특성, 차이가 있기 때문에 모델을 평가할 지표가 필요하다. 평가 모델은 다음과 같다. 정확도 예측 (Predictive accuracy) 호율 (Efficiency) : 모델을 구성하는 시간, 모델을 사용하는 시간 완건성 (Robustness) : noise 및 결측값 처리 확장성 (Scalability) : disk 상주 데이터베이스의 효율성 해석 가능성 (Interpretability) : 모델에서 제공하는 이해 및 통찰력 모델 소형화 (Compactness of the model) : 트리의 크기 또는 규칙 수 데이터 분리 훈련 / 테스트 분할 (train / test split)은 머신러닝에서 데이터를 학습을 하기 위한 학습 데이터셋 (train datas.. 2022. 9. 27. [AI] 분류 (Classification) 분류 (Classification) import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Flatten, Dense from tensorflow.keras.optimizers import SGD, Adam import numpy as np try: loaded_data = np.loadtxt('./example.csv', delimiter=',') x_data = loaded_data[ :, 0:-1] t_data = loaded_data[ :, [-1]] print(x_data.shape, t_data.shape) except Exception as err: prin.. 2022. 7. 23. [AI] 인공지능 ∙ 머신러닝 ∙ 딥러닝 인공지능 ∙ 머신러닝 ∙ 딥러닝 인공지능 (Artificial Intelligence) 인공적으로 만들어진 지능 머신러닝 (Machine Learning) 데이터를 이용하여 데이터의 특성과 패턴을 학습하여, 그 결과를 바탕으로 미지의 데이터 에 대한 그것의 미래 결과 (값, 분포)를 예측 딥러닝 (Deep Learning) 머신러닝의 한 분야로서 신경망(Neural Network)을 통하여 학습하는 알고리즘의 집합 Machine Learning Type ① 지도 학습 (Supervised Learning) ② 비지도 학습 (Unsupervised Learning) ③ 강화 학습 (Reinforcement Learning) 지도 학습 (Supervised Learning) 정답 데이터 (label) 형태와.. 2022. 7. 9. [Machine Learning] 분류 (Classification) 분류 (Classification) supervised ML의 문제의 타입 (problem type)에 따라 크게 두가지로 분류될 수 있다. Regression (회귀 분석) : 주어진 데이터가 어떤 함수로부터 생성됐는가를 알아보는 ‘함수 관계’를 추측하는 것이다. 예측하는 결과값이 continuous value (연속값) Classification (분류) : 분류는 말 그대로 입력이 어떤 카테고리에 해당하는지 나누는 것이다. 즉 예 아니오 와 같은 예측하는 결과값이 discrete value (이산값) Classification은 주어진 데이터를 정해진 카테고리에 따라 분류하는 문제를 말한다. 최근에 많이 사용되는 이미지 분류도 Classification 중에 하나이다. 예를 들어, 이메일이 스팸메일.. 2022. 4. 28. 뇌 컴퓨터 인터페이스 소개 (Components) (5) 전처리 (Preprocessing) 원시 EEG 데이터는 노이즈 및 아티팩트의 영향을 받기 때문에 종종 깨끗하지 않다. 노이즈 및 아티팩트의 네 가지 주요 소스는 다음과 같다. 뇌파 장비 피사체 및 녹음 시스템 외부의 전기적 간섭 리드 및 전극 주제 : 심장의 전기적 활동, 눈 깜박임, 안구 운동, 일반적인 근육 운동 눈 깜박임은 전두엽 및 후두부 기록에서 매우 명확하지만 ECG (심장 전기 활동에서)는 후두부 전극에서 나타납니다. 안구와 눈꺼풀의 움직임은 기존의 각막과 망막 사이에 약 100mV의 전위차 때문에 전위장의 변화를 일으킨다. 전처리 단계는 노이즈 및 아티팩트에서 데이터를 정리하는 데 도움된다. 전처리에는 다양한 방법과 단계가 있다. 예를 들어, 필터가 데이터에 적용되는 경우가 많다. 신호의.. 2022. 4. 27. 사이킷런 (Scikit-Learn) 사이킷런 (Scikit-Learn) scikit-learn이란 python을 대표하는 머신 러닝 라이브러리이다. scikit-learn은 오픈 소스로 공개되어 있으며, 개인, 비즈니스 관계없이 누구나 무료로 사용가능하다. scikit-learn은 현재도 활용하여 개발이 이루어지고 있으며, 인터넷에서 정보를 찾기 쉽다. 샘플 데이터 셋이 부속되어 있으므로, 설치하여 바로 기계 학습을 시험해 볼 수 있다. 설치 pip install -U scikit-learn Classification 개체가 속한 범주 식별한다. Regression (회귀) 개체와 연결된 연속 값 속성을 예측한다. Clustering (군집화) 유사한 개체를 세트로 자동 그룹화한다. Dimensionality Reduction (차원 축소.. 2021. 12. 20. 이전 1 다음 728x90 반응형 LIST
