코드의 나라에서의 일상

지금까지는 글 데이터였고 이제는 ,, 이미지! 이미지 분석 - CNN 모델 CNN(합성곱 신경망): convolution - 3차원 가로 세로 FC(완전연결 신경망): fully connected - 모든 뉴런이 다 연결됨 ​ 이미지 분석에서 FC의 문제점: 픽셀을 잘라서 이어 붙이기 때문에 데이터가 엄청 길어짐 -> 학습시간의 문제, 네트워크 크기, 데이터 형상의 무시 이미지 데이터의 경우 3차원(세로,가로,채널)의 형상을 가진 공간적 구조를 지님 ​ 1. 합성곱층(Convolution Layer, Conv Layer) 이미지 데이터는 3차원 데이터를 입력하고 3차원 데이터를 출력하며, 입출력 데이터를 특징맵(Feature Map)이라 함 합성곱층 뉴런의 수용영역 안에 있는 픽셀에만 연결 (특징이 팔요..

정확도 (accuracy score) 모델이 예측한 값 중에서 실제 데이터와 일치하는 비율을 나타내는 성능 지표. 일반적으로 분류 문제에서 많이 사용됨 / r2 score는 회귀 분석 모델의 적합도 평가하는 지표 from keras.metrics import accuracy model.compile(optimizer='adam', loss='binary_crossentropy', metrics=[accuracy]) history = model.fit(X_train, y_train, epochs=10, batch_size=32, validation_data=(X_val, y_val)) loss, accuracy = model.evaluate(X_test, y_test) print('Test accuracy..

validation - 트레인셋을 검증, 트레인셋에 소속된 개념. 테스트 전에 모델이 최적 검증 6:2:2 validation이나 모델 or 가충지 저장하던지 멀 하던지 다 fit에 넣기 #라이브러리 구성, 정리 import numpy as np from keras.models import Sequential from keras.layers import Dense #1. 데이터 x = np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]) y = np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]) # x = np.array(range(1,21)) # y = np.array(range(1,..

1. train_test_split 2. validation split 3. matplotli b – scatter (산점도 ) 4. R2 score ( 결정계수 ) 5. 회귀분석 6. 분류분석 7. 이진분류 8. 다중분류 9. 원 핫 인코딩 (One Hot Encoding) 10. 난수값 (random_state) 1. train_test_split 데이터셋을 훈련용(train)과 검증용(test)으로 나누는 이유는 모델의 성능을 정확하게 평가하고 일반화할 수 있는 모델을 만들기 위해서입니다. 만약 모든 데이터를 훈련에 사용하고 테스트를 하게 된다면 모델은 훈련 데이터에 대해서는 매우 높은 정확도를 보일 수 있지만, 새로운 데이터에 대해서는 일반화하지 못한 예측을 할 수 있습니다. 즉, 일반화 능력이 ..

목록: 리스트 대괄호로 분류하기 train_test_split //sklearn scatter 산점도 //import matplotlib.pyplot as plt r2score california california-activation cancer sigmoid tf10_Iris_softmax tf10_Iris_onehotencoding 와인 리스트 [ : ] 대괄호로 분류해보기 #라이브러리 구성, 정리 import numpy as np from keras.models import Sequential from keras.layers import Dense #1. 데이터 x = np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]) y = np.ar..

1. 인공지능 개념 정리 – 머신러닝, 딥러닝 2. 퍼셉트론 (Perceptron) 3. 다층 퍼셉트론 (Multi-Layer Perceptron: MLP) 4. 옵티마이저 (Optimizer) 5. 학습률 (learning rate) 6. 경사하강법 (Gradient Descent) 7. 손실함수 (Loss Function) 8. 활성화 함수 (Activation Function) – Sigmoid, ReLU, Softmax 1. 인공지능 개념 정리 – 머신러닝, 딥러닝 인공지능(Artificial intelligence): 인공지능은 사람처럼 학습하고 추론할 수 있는 지능을 가진 시스템을 만드는 기술입니다. 인공지능은 강인공지능과 약인공지능으로 나눌 수 있습니다 머신러닝(Machine Learning..

아나콘다에서 리스트 확인 가상환경 리스트 확인 (tf210) C:\Users\bitcamp>conda env list # conda environments: # base C:\Users\bitcamp\anaconda3 tf210 * C:\Users\bitcamp\anaconda3\envs\tf210 가상환경 탈출 ~ (tf210) C:\Users\bitcamp>deactivate DeprecationWarning: 'deactivate' is deprecated. Use 'conda deactivate'. (tf210) C:\Users\bitcamp>conda.bat deactivate 라이브러리 확인 (tf210) C:\Users\bitcamp>conda list # packages in environ..