hosi_stella

혼공머신 마지막주차 내용입니다. 😎 Ch 7. 딥러닝 인공 신경망 (ANN) - 확률적 경사하강법을 사용하는 로지스틱 회귀와 같음 - 데이터셋이 충분하므로 교차검증 없음 - dense layer = 가장 간단한 인공신경망, 출력층에 밀집층 사용 시 분류하려는 클래스수 = 뉴런 수 - hidden layer = 입력층과 출력층 사이에 잇는 모든 층 - dropout = 훈련 중 일부 뉴런의 출력을 0으로 만들어 과대적합 방지 - callback = 훈련과정 중간에 어떤 작업을 수행 할 수 있게 하는 객체 ex) 최고 성능 모델 저장 - early stopping = 과대적합이 시작 되기 전에 훈련을 미리 중지, 훈련 에포크 횟수 제한 예시 코드: 기본 미션 : Ch.07(07-1) 확인 문제 풀고, 풀이 ..

여름휴가 잘 쉬고, 다시 돌아 왔습니다~! 😎 Ch 6. 비지도 학습 - 타깃 없이 데이터의 평균으로 분류 군집 알고리즘 = 비슷한 샘플 끼리 그룹(cluster)으로 모으는 작업 → 대표적인 비지도 학습 K-평균 군집 알고리즘 - elbow 방법 → 최적의 k 찾기 차원 축소 : 데이터를 가장 잘 나타내는 일부 특성만 남겨 데이터 크기를 줄이고 모델의 성능을 향상시키는 방법 데이터의 차원축소로 저장공간 확보 및 훈련 속도 향상 주성분분석 (PCA) - 데이터에 있는 분산이 큰 방향으로 찾아 차원을 축소하는 방법 - 설명된 분산 : 주성분이 원본 데이터의 분산을 얼마나 잘 나타내는지 기록한 값 기본 미션 : K-평균 군집 알고리즘 작동 방식 설명하기 K-평균 군집 알고리즘 : 평균값을 클러스터 중심에 위..

기본미션: 교차 검증을 그림으로 설명하기 선택 미션: Ch.05(05-3) 앙상블 모델 손코딩 코랩 화면 인증샷

Chapter 04 Summary 기본 미션 Ch 04(04-1) 2번 문제 풀고, 풀이 과정 설명하시오. 2. 로지스틱 회귀가 이진 분류에서 확률을 출력하기 위해 사용하는 함수는 무엇인가요? ✅① 시그모이드 함수 → 이진 분류를 위해 사용. 선형 방정식 출력값을 0~1 사이의 값으로 압축 ❎② 소프트맥스 함수 → 다중 분류에서 사용. 출력결과를 정규화하여 합이 1이 되도록 함 ❎③ 로그 함수 ❎④ 지수 함수 선택 미션 Ch.04(04-2) 과대적합/과소적합 손코딩 코랩 화면 캡쳐하기

Chapter 3. 회귀 알고리즘과 모델규제 기본 미션 Ch. 03(03-1) 2번 문제 출력 그래프 인증샷 선택 미션 모델 파라미터: 모델링에 의해 특성에서 학습한 값 (ex. 선형 회귀의 coef_, intercept_, ...) hyperparameter : 머신러닝 알고리즘이 학습하지 않는 파라미터, 득, 사전에 사람이 지정해야 하는 값 모델 파라미터와 하이퍼파라미터는 다르다!

1주차 기본 미션: 코랩 실습 화면 캡쳐하기 데이터 편향 극복하기: 선택미션: Ch.02(02-1) 확인문제 풀고, 풀이 과정 정리하기 1. 머신러닝 알고리즘의 한 종류로서 샘플의 입력과 타깃(정답)을 알고 있을 때 사용할 수 있는 학습 방법은 무엇인가요? ⭕① 지도 학습 - input(data), target(정답)으로 모델 학습하는 알고리즘 ❌② 비지도 학습 - 타깃 없이 입력데이터만 사용하는 알고리즘 ❌③ 차원 축소 - 데이터의 의미를 제대로 표현하는 특징을 파악하여 중요한 특성만 선택하여 특성의 개수를 줄이는 방법 ❌④ 강화 학습 - 알고리즘이 행동한 결과로 얻은 보상으로 학습하는 알고리즘 2. 훈련 세트와 테스트 세트가 잘못 만들어져 전체 데이터를 대표하지 못하는 현상을 무엇이라고 부르나요? ❌..