머신러닝 | Machine Learning (머신러닝)이란? | 머신러닝의 정의와 종류 1. 머신러닝 관련 용어 정리 ▶ AI Developmetnt of smart systems and machines that can carry out tasks that typically require human intelligence 인간의 지능을 요구하는 업무를 수행할 수 있는 똑똑한 시스템 또는 기계 ▶ Machine Learning Creates algorithms that can learn from data and make decisions based on patterns observed Require humen intervention when decison is incorrect 데이터를 통해 학습하고, 관측된 패턴을 기반으로 의사결정을 내릴 수 있는 알고리즘 그 의사결정이 잘못 되었을 때는 .. 딥러닝 기초 | 인공신경망 모델 만들기 | 텐서플로(Tensorflow) / 케라스(Keras) | 로지스틱 회귀로 패션 아이템 분류하기(SGDClassifier 클래스_확률적 경사 하강법) | 패션 MNIST 데이터셋 1. 패션 MNIST 데이터 가져오기 ▶ 패션 MNIST 데이터 : 10종류의 패션 아이템으로 구성 : MNIST 데이터는 워낙 유명하기 때문에 많은 딥러닝 라이브러리에서 이 데이터를 가져옴 : 텐서플로를 사용해 이 데이터를 읽어옴 : 텐서플로의 케라스(Keras) 패키지를 임포트하고 패션 MNIST 데이터를 사용 ▶ 텐서플로 케라스(Keras) 패키지 가져오기 from tensorflow import keras (train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mnist.load_data() : 실행마다 동일한 결과를 얻기 위해 케라스 랜덤 시드를 사용, 텐서플로 연산을 결정적으로 만듦 : Keras.datas.. 머신러닝 기초 | 군집 알고리즘(2) | k-평균 군집 알고리즘 | KMeans 클래스 | draw_변수명() 함수로 클러스터 중심 이미지 출력하기 | 최적의 k 찾기 | 비지도 학습 1. 과일 데이터 불러오기 ▶ 과일 사진 데이터 준비 !wget https://bit.ly/fruits_300 -O fruits_300.npy : 이전에는 사과, 파인애플, 바나나에 있는 각 픽셀에 평균값을 구해서 가장 가까운 사진을 추출 → 사과, 파인애플, 바나나 사진인 것을 미리 알고 있었기 때문에 각 과일의 평균을 구할 수 있었음 But 진짜 비지도 학습에서는 어떤 과일이 들어있는지 알지 못함 : k-평균 군집 알고리즘이 평균값을 자동으로 찾아줌 → 이 평균값이 클러스터의 중심에 위치하기 때문에 클러스터 중심 또는 센트로이드(centroid)라고 부름 : k-평균 알고리즘의 작동방식을 이해하고, 사과, 파인애플, 바나나를 구분하는 비지도 학습 모델 만들어보기! ▶ 넘파이에서 npy 파일 로드 : .. 머신러닝 기초 | 군집 알고리즘(1) | 픽셀 평균값(mean 함수)과 절댓값 오차(abs 함수)로 과일 분류하기 | 넘파이 배열 1차원으로 만드는 법(reshape 함수) | np.argsort() 함수로 인덱스 정렬 1. 과일 데이터 불러오기 ▶ 과일 사진 데이터 준비 !wget https://bit.ly/fruits_300 -O fruits_300.npy import numpy as np import matplotlib.pyplot as plt ▶ 넘파이에서 npy 파일 로드 : load() 메서드에 파일 이름을 전달 fruits = np.load('fruits_300.npy') : fruits는 fruits_300.npy 파일에 들어있는 모든 데이터를 담고 있음 : 이 데이터에는 사과, 바나나, 파인애플이 각각 100개씩 들어있음 print(fruits.shape) >> 배열의 첫 번째 차원(300)은 샘플의 개수 >> 배열의 두 번째 차원(100)은 이미지 높이 >> 배열의 세 번째 차원(100)은 이미지 너비.. 이전 1 다음
