Learning Space/Machine Learning, Deep Learning

[Machine Learning] TensorFlow를 시작하며

본 문서는 TensorFlow 2.12.0 을 기준으로 작성하였습니다. import tensorflow as tf 1.x와 2.x의 차이점 A. Session과 run의 사라짐 hello = tf.constant("hello, TensorFlow!") print(hello) 2.0 이전까지는 Session 모듈을 실행해야만 연산이 가능했으나 2.0 이후부터는 Session 없이 선언과 동시에 실행이 되는 형태로 바뀌었다. B. placeholder의 사라짐 2.0 이전에서는 아래와 같이 a = tf.placeholder(tf.float32) b = tf.placeholder(tf.float32) add_node = a + b print(sess.run(add_node, feed_dict={a:3, b:2..

[Machine Learning] 환경구축(TensorFlow)

TensorFlow의 설치(23.06.14 기준) 공식 문서를 기준으로 작성하였다. 지원 버전 - Python 3.6 ~ 3.9 - Ubuntu 16.04 이상 - Windows 7 이상 - macOS 10.12.6 이상(GPU 지원 X) 설치과정(GPU를 이용하지 않을 경우) pip install --upgrade pip python3 -m pip install tensorflow # Verify install: python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))" 설치버전 확인 python3 import tensorflow as tf tf.__version__

KNN(K-Nearest Neighbor)

- 새로운 데이터의 위치에서 가장 가까운 훈련 데이터의 레이블로 새로운 데이터의 레이블을 예측 - K의 값을 무엇으로 설정하느냐에 따라 새로운 데이터의 label이 달라질 수 있음(적절한 K값을 구하는 것이 매우 중요) - 이해하기 쉬운 모델 - 많은 조정 없이 좋은 성능을 발휘하는 경우가 많음 - 훈련 데이터셋이 많아질수록 예측이 느림 - Fature 가 많은 데이터셋에서는 잘 동작하지 않음 Scikit Learn 에서 데이터셋 받기 y_iris['variety'].unique() : 데이터의 종류 알 수 있는 방법 # 함수를 이용해서 나누기 from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = tr..

머신러닝의 이해

Supervised VS Unsupervised Supervised Learning (지도학습) - 이미 결과를 알고 있는, 즉 y 값에 대한 결과를 알고 있을 때 혹은 y 값이 명확할 때 - 이미 알려진 사례를 바탕 - 사용자는 모델을 만든 후 모델을 만들기 위한 데이터를 입력 Unsupervised Learning(비지도학습) - Y 값에 대한 정답이 드러나지 않는 데이터에 대한 학습 - 정답이 없는 데이터에 적용하기 때문에 무엇이 올바른 출력인지 알 수 없음

환경 설정

conda create --name ch01 python=3.9 ** 설치가 안되는 경우, 파이썬 버전을 다르게 해서 시도해보기 conda activate ch01 conda install jupyter notebook conda install numpy conda install pandas conda install matplotlib conda install seaborn conda install scikit-learn 설치 진행 jupyter notebook (입력 시 크롬이나 웹브라우저로 안열릴 경우, 기본 실행 설정 변경해주기) Pandas - 데이터 처리와 분석을 위한 파이썬 라이브러리 - DataFrame 이라는 엑셀표와 비슷한 데이터 구조 제공 - 대용량 데이터를 효율적으로 다루는 것이 가능..

Linear Models for Regression(선형회귀 모델)

선형 모델 선형 모델은 말그대로 선(line)의 형태로 구현되는 간단한 모델이다. $$ y_n=w_{1}x_{1,n}+w_{2}x_{2,n}+\cdots +w_{M}x_{M,n}+w_{0}+\epsilon _{n}, \forall _{n}=1,\cdots ,N $$ $$ w_n : parameters = weights $$ 파라미터를 통해 원하는 값에 대하여 비중을 더 줄 수 있다. 선형 회귀 선형회귀는 종속 변수 Y와 한 개 이상의 독립 변수 x와의 선형 상관 관계를 모델링하는 회귀분석 기법이다. $$ f(x_{n})=\sum_{M}^{j=1}w_{j}\phi _{j}(x_{n})+w_{0}\phi_{0}(x)=w^T\phi(x_{n}) $$ basis function은 다음과 같이 나타낸다. $$ \..