분류 전체보기43 [DL] - 딥러닝 강의 정리 이번 포스팅은 김성훈 교수님의 '모두를 위한 딥러닝 강좌 시즌1'의 8~12강을 듣고 정리한 글입니다. [DL Lec 08] - 딥러닝의 기본개념 : 시작과 XOR 문제 뇌의 뉴런이 동작하는 형태를 기계로 구현하는 것에서 시작되었다. 과거, AND GATE와 OR GATE를 선형으로 풀게 되면서, 가능성을 매우 긍정적으로 생각했다. 하지만, XOR GATE를 해결할 수 없게 되면서, 주춤하게 된다. x1 x2 OR 0 0 0 0 1 1 1 0 1 1 1 1 x1 x2 AND 0 0 0 0 1 0 1 0 0 1 1 1 x1 x2 XOR 0 0 0 0 1 1 1 0 1 1 1 0 Backpropagation : 최종적으로 예측한 error를 구해서 학습을 시키자는 생각에서 시작되었다. CNN의 기원 : 어떤.. 2021. 8. 20. [ML] - Linear Regression, Multi variable linear regression, Logistic (regression) classification, Softmax Regression 이번 포스팅은 김성훈 교수님의 '모두를 위한 딥러닝 강좌 시즌1'의 1~7강을 듣고 정리한 글입니다. [ML Lec 02] - Linear Regression - hypothesis (가설) $H(x) = wx + b$ - Cost function (loss) ($H(x) - y)^2$ 어떤 모형이 좋은지를 비교할 때, 실제값과 예측값의 거리(loss)가 작은 모형이 좋은 모형이다. 위의 Cost function은 다음과 같이 표현할 수도 있다. $Cost(w, b) \frac{1}{n} \sum_{i=1}^{n}(H(x)^(i) - y^(i))^2$ 모델의 학습 목표는 위의 $Cost(w, b)$를 최소화하는 $w, b$를 구하는 것이다. 머신러닝의 전체 프로세스는 다음과 같다. 1. 데이터 수집 2... 2021. 8. 16. [Python] Optuna 사용법 예측 모델링을 구축한 후에 모델의 성능을 조금이라도 더 향상하기 위해서는 최적의 하이퍼 파라미터를 찾아 적용하는 방법이 있다. 기존에 내가 해왔던 하이퍼파라미터 방법은 사이킷런의 GridSearchCV 패키지를 활용해 찾는 방법이었다. 하지만, 이는 시간이 조금 오래 걸릴 뿐만 아니라, 하이퍼 파라미터 값을 직접 지정해주어야 한다는 단점이 있다. Optuna도 물론 값을 지정해주어야 하지만, 조금 더 러프하게 값을 지정해주면, Optuna가 범위내에서 자동탐색을 통해 최적의 하이퍼파라미터를 도출해준다는 점과 시간이 조금 더 빠르다는 점에서 GridSearchCV보다 좋은 것 같다. import optuna from optuna import Trial, visualization from optuna.sam.. 2021. 7. 7. Plotly 사용법 Dacon 대회의 코드 공유를 보면서 Plotly를 알 수 있었고 동적인 그래프인데, 몇 줄 안되는 코드로 구현되는 것이 정말 신기했고 기초부터 조금씩 알아보자는 의도로 글을 작성하게 되었다. plotly 공식 홈페이지에서 예제들을 보고 정리한 글이다. Plotly 패키지는 Interactive한 그래프로 동적인 그래프를 만들 수 있다. 기본적인 사용 방식은 아래와 같다. from plotly.subplots import make_subplots import plotly.graph_objects as go fig = make_subplots(rows = n, cols = r) # 행과 열의 숫자를 지정해주면 원하는 axes만큼의 그래프가 생성된다. fig.add_trace(go.Scatter(x = [1.. 2021. 7. 5. 이전 1 2 3 4 5 6 7 8 ··· 11 다음
