출처: https://astrocosmos.tistory.com/202 [ASTROCOSMOS] '분류 전체보기' 카테고리의 글 목록
본문 바로가기

분류 전체보기17

[시계열 딥러닝] 신경망 학습 파이프라인 만들기 앞서 딥러닝의 전반적인 개념에 대해 간단하게 알아보았다. 다음 순서로 신경망 프로그래밍에 대해 알아보자. 데이터, 기호, 연산, 계층, 그래프 일반적으로 딥러닝 프레임워크는 그래프 개념, 그리고 그 그래프를 만드는 데에 집중한다. 즉, 모든 구조는 개별 요소와 그들 간의 관계로 설명될 수 있어야 한다는 뜻이다. 또한 변수와 대응되는 실젯값을 분리하는 개념도 매우 중요하다. 다음은 A와 B라는 기호를 정의하고, A와 B의 행렬곱 결과를 담은 기호 C를 정의하는 방법이다. # 의사코드 symbol A; symbol B; symbol C = matmul(A, B); # In python, np.matmul 참고: https://m.blog.naver.com/PostView.naver?isHttpsRedirec.. 2022. 3. 5.
[시계열 딥러닝] 딥러닝의 개념: 신경망, 순전파 네트워크(Neural Network, Feed Forward Network) 데이터 과학이나 AI에 조금이라도 관심이 있는 사람은 '딥러닝'이라는 단어를 한 번쯤은 들어보았을 것이다. 개념을 모르는 사람들의 입장에서는, 단순히 '머신러닝보다 더 나은 방법' 정도로 여겨질 수도 있다. 그런데 사실 딥러닝은 이미지 및 자연어 처리 이외의 분야에서는 아직 훌륭한 예측 능력을 보여주지 못했다. 물론, 딥러닝은 전통적인 예측 모델이 공통으로 갖는 획일성과 불안정한 가정에 대해 요구되는 필요 조건을 감소시킨다. 딥러닝의 장점 딥러닝 모델을 사용하면 모델의 가정에 데이터를 맞추기 위해 지금껏 수행한 여러가지 전처리 과정이 사라진다. 정상성을 요구하지 않는다. 계절형 ARIMA 모델의 차수, 계절성에 따른 평가와 같은 파라미터를 고르는 기술을 개발할 필요가 없다. 상태 공간 모델링에서 유용하게.. 2022. 2. 26.
[머신러닝] 특성공학과 규제 3-2. 특성공학과 규제¶ 다중회귀¶ 앞에서는 하나의 특성을 사용해 선형 회귀 모델을 훈련시킴. 여러 개의 특성을 사용한 선형 회귀를 다중 회귀(multiple regression)라고 부름. 즉, 1개의 특성을 사용한 선형 회귀는 직선을 학습하는 반면, 특성이 2개인 선형 회귀는 평면을 학습함. 3차원 이상은 상상하기 힘듦. 여기서는 생선 길이 * 생선 높이를 새로운 특성으로 만들 것임. 이렇게 기존 특성을 사용해 새로운 특성을 뽑아내는 작업을 특성 공학(feature engineering)이라고 부름. In [1]: import pandas as pd df = pd.read_csv("https://bit.ly/perch_csv_data") perch_full = df.to_numpy() perch_f.. 2022. 2. 24.
[머신러닝] 데이터 전처리와 회귀 알고리즘 Chapter 2. 데이터 다루기¶ 2.1 Train set과 Test set¶ In [ ]: # 도미 bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0] bream_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 450.0, 500.0, 475.0, 500.0, 500.0, 340.0, .. 2022. 2. 17.

티스토리툴바