Im heedy

dataframe shuffle 시 df.sample(frac = 1) * frac - 0 ~ 1사이 비율 설정 시 해당 비율만큼 무작위 추출 frac = 1 은 표본 전체 무작위로 추출

기울기 a를 너무 크게 잡거나 너무 작게 잡으면 오차가 커짐. 오차와 기울기 사이에는 상관관계가 있음. 오차가 가장 작은 점은 기울기 a가 m에 위치해 있을때 이므로, m으로 이동시키는 과정이 필요함. 미분 기울기를 이용한 경사하강법(gradient descent)를 통해 오차를 비교하여 가장 작은 방향으로 이동시켜야함. 최솟값 m에서의 순간 기울기는 x축과 평행한 선, 즉 기울기가 0임. - '미분값이 0인 지점'을 찾아 오차를 가장 적게 만들어야 함. a₁에서 미분을 구한다. 구해진 기울기의 반대 방향(기울기가 +면 음의 방향, -면 양의 방향)으로 얼마간 이동시킨 a₂에서 미분을 구한다. 위에서 구한 미분 값이 0이 아니면 위 과정을 반복한다. 경사 하강법은 이렇게 반복적으로 기울기 a를 변화시켜서..

02 - 1 자료구조와 배열 실습 2-1 학생 5명의 시험 점수를 입력받아 합계와 평균을 출력하기 # 학생 5명의 시험 점수를 입력받아 합계와 평균을 출력하기 print('학생 그룹 점수의 합계와 평균을 구합니다.') score1 = int(input('1번 학생의 점수를 입력하세요.')) score2 = int(input('2번 학생의 점수를 입력하세요.')) score3 = int(input('3번 학생의 점수를 입력하세요.')) score4 = int(input('4번 학생의 점수를 입력하세요.')) score5 = int(input('5번 학생의 점수를 입력하세요.')) total = 0 total += score1 total += score2 total += score3 total += scor..

imblearn라이브러리의 under_sampling 비교 - Import import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from sklearn.datasets import make_classification from imblearn.under_sampling import * - Data 생성 X, y = make_classification(n_samples=5000, n_features=2, n_informative=2, n_redundant=0, n_repeated=0, n_classes=3, n_clusters_per_class=1, weights=[0.2, 0.3, 0.5], class_sep=0.8, rando..

01 - 2 반복하는 알고리즘 실습 1-7 1부터 n까지 정수의 합 구하기 1(while 문) # 1부터 n까지 정수의 합 구하기 1 (while 문) print('1부터 n까지 정수의 합을 구합니다.') n = int(input('n값을 입력하세요.: ')) sum = 0 i = 1 while i b: a,b = b, a sum = 0 for i in range(a, b+1): sum += i print(f'{a}부터 {b}까지 정수의 합은 {sum}입니다.') a부터 b까지 정수의 합을 구합니다. 정수 a를 입력하세요.: 3 정수 b를 입력하세요.: 64 3부터 64까지 정수의 합은 2077입니다. a와 b를 교환할 때 a, b = b, a # a와 b의 값을 교환(단일 대입문 사용) 반복 과정에서 ..

01 - 1 알고리즘이란? 더보기 어떠한 문제를 해결하기 위해 정해 놓은 일련의 절차 특히 올바른 알고리즘이란 '어떠한 경우에도 실행 결과가 똑같이 나오는 것'을 말함. 실습 1-1 세 정수의 최댓값 구하기 # 세 정수의 최댓값 구하기 print('세 정수의 최댓값을 구합니다.') a = int(input('정수 a의 값을 입력하세요.: ')) b = int(input('정수 b의 값을 입력하세요.: ')) c = int(input('정수 c의 값을 입력하세요.: ')) maximum = a if b > maximum: maximum = b if c > maximum: maximum = c print(f'최대값은 {maximum}입니다.') 세 정수의 최댓값을 구합니다. 정수 a의 값을 입력하세요.: 5..

imblearn라이브러리의 over_sampling 비교 - Import import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from sklearn.datasets import make_classification from imblearn.over_sampling import * - Data 생성 X, y = make_classification(n_samples=5000, n_features=2, n_informative=2, n_redundant=0, n_repeated=0, n_classes=3, n_clusters_per_class=1, weights=[0.01, 0.05, 0.94], class_sep=0.8, rand..

Learning Rate Decay 기존의 learning rate가 높은 경우 loss 값을 빠르게 내릴 수는 있지만, 오차가 0인 지점을 벗어날 수 있고, 낮은 경우는 최적의 학습이 가능하지만 너무 오랜 시간이 걸리게 됩니다. 따라서 정적인 learning rate로 학습을 하는 것이 아닌, epoch마다 동적으로 learning rate를 변화시켜 최적의 학습을 하도록 합니다. tf.keras.optimizers.schedules.CosineDecay tf.keras.optimizers.schedules.CosineDecay( initial_learning_rate, decay_steps, alpha=0.0, name=None ) initial_learning_rate: 초기 lr decay_ste..

신경망을 이루는 가장 중요한 기본 단위: 퍼셉트론(perceptron) 퍼셉트론: 입력 값과 활성화 함수를 사용해 출력 값을 다음으로 넘기는 가장 작은 신경망 단위 가중치, 가중합 바이어스, 활성화 함수 y = ωx + b(ω는 가중치, b는 바이어스) 가중합(weighted sum): 입력값(x)과 가중치(ω)의 곲을 모두 더한 다음 거기에 바이어스(b)를 더한 값 활성화함수(activation function): 가중합의 결과를 놓고 1 또는 0을 판단하는 함수 XOR 문제(exclusive XOR) AND: x₁와 x₂ 둘 다 1일 때 결과값이 1로 출력 OR: 둘 중 하나라도 1이면 1로 출력 XOR: 둘 중 하나만 1일 때 1로 출력 다층 퍼셉트론 XOR 문제를 해결하기 위해서는 두 개의 퍼셉트..

바른 학습을 위해 기계 학습에서는 오버피팅이 문제가 되는 일이 많음. 오버피팅이란 신경망이 훈련 데이터에만 지나치게 적응되어 그 외의 데이터에는 제대로 대응되지 못하는 상태를 말함. 오버피팅은 주로 다음의 두 경우에 일어남. 1. 매개변수가 많고 표현력이 높은 모델 2. 훈련 데이터가 적음 # 오버피팅 결과 import os import sys sys.path.append(os.pardir) import numpy as np import matplotlib.pyplot as plt from mnist import load_mnist from common_multi_layer_net import MultiLayerNet from common_optimizer import SGD (x_train, t_tra..