[AI/Hands-on ML] - [핸즈온 머신러닝] 10장 - 케라스를 사용한 인공 신경망 (인공 신경망 소개) [핸즈온 머신러닝] 10장 - 케라스를 사용한 인공 신경망 (인공 신경망 소개) 10. 인공 신경망 인공 신경망 뇌에 있는 생물학적 뉴런의 네트워크에서 영감을 받은 머신러닝 모델 - 하지만 생물학적 뉴런(신경 세포)에서 점점 멀어지고 있음 - 딥러닝의 핵심이며, 복잡한 대규 kdeon.tistory.com 10. 2 케라스로 다층 퍼셉트론 구현하기 텐서플로의 자체적 케라스 구현인 tf.keras를 통한 실습 10. 2. 2 시퀀셜 API를 사용하여 이미지 분류기 만들기 데이터 적재 import tensorflow as tf from tensorflow import keras keras.__v..
10. 인공 신경망 인공 신경망 뇌에 있는 생물학적 뉴런의 네트워크에서 영감을 받은 머신러닝 모델 - 하지만 생물학적 뉴런(신경 세포)에서 점점 멀어지고 있음 - 딥러닝의 핵심이며, 복잡한 대규모 머신러닝 문제를 다루는 데 적합 구글 이미지와 같이 수백만 개의 이미지 분류 애플의 시리처럼 음성 인식 서비스 성능 향상 유튜브처럼 수억 명의 사용자에게 비디오 추천 알파고와 같이 수백만 개의 기보를 익히고 자기 자신과 게임하며 학습 10. 1 생물학적 뉴런에서 인공 뉴런까지 10. 1. 1 생물학적 뉴런 - 생물학적 뉴런은 활동 전위(AP) 또는 간단히 신호라고 부르는 짧은 전기 자극을 만듦 - 각각의 뉴런은 수상돌기(Dendrite)를 통해 다른 뉴런에서 신호를 받아서 축삭돌기(Axon)를 통해 다른 뉴런으..
[AI/Hands-on ML] - [핸즈온 머신러닝] 9장 - 비지도 학습 1 (군집) [핸즈온 머신러닝] 9장 - 비지도 학습 1 (군집) 9. 비지도 학습 - 많은 데이터는 대부분 레이블이 없음 - 레이블을 부여하는 작업은 비용이 크며 오래걸림 => 레이블이 없는 데이터를 바로 사용하기 위한 비지도 학습 9. 1 군집 비슷한 샘플을 구 kdeon.tistory.com 9. 2 가우시안 혼합 가우시안 혼합 모델 샘플이 파라미터가 알려지지 않는 여러 개의 혼합된 가우시안 분포에서 생성되었다고 가정하는 확률 모델 하나의 가우시안 분포에서 생성된 모든 샘플은 하나의 클러스터를 형성 사이킷런의 GaussianMixture 클래스 - 사전에 가우시안 분포의 개수 k를 알아야 함 - 데이터셋 X가 다음 확률 과정..
9. 비지도 학습 - 많은 데이터는 대부분 레이블이 없음 - 레이블을 부여하는 작업은 비용이 크며 오래걸림 => 레이블이 없는 데이터를 바로 사용하기 위한 비지도 학습 9. 1 군집 비슷한 샘플을 구별해 하나의 클러스터 또는 비슷한 샘플의 그룹으로 할당하는 작업 분류 - 데이터셋이 레이블 되어 있음 - 로지스틱 회귀, SVM, 랜덤 포레스트 분류기 같은 분류 알고리즘이 잘 맞음 군집 - 레이블이 없음 - 대부분의 군집 알고리즘은 왼쪽 아래 클러스터를 쉽게 감지하지만, 오른쪽 위의 클러스터는 두 개의 하위 클러스터로 구성되었는지 확실하지 않음 - 모든 특성을 사용하면, 클러스터 세 개를 잘 구분할 수 있음 - 다음과 같은 어플리케이션에서 사용 고객 분류 (ex. 추천 시스템) 데이터 분석 - 군집 알고리즘..
8. 차원 축소 차원의 저주 - 많은 머신러닝 문제는 훈련 샘플이 각각 수천 수백만개의 특성을 가지고 있음 - 이런 많은 특성은 훈련을 느리게 할 뿐만 아니라, 좋은 솔루션을 찾기 어렵게 만듦 - 이러한 차원의 저주 문제들은 특성 수를 크게 줄여 불가능한 문제를 가능한 범위로 변경할 수 있음 MNIST 이미지처럼, 이미지 경계에 있는 픽셀은 거의 흰색이므로 훈련 세트에서 이런 픽셀을 제거해도 많은 정보를 잃지 않음 인접한 픽셀은 종종 많이 연관되어 있으므로, 두 픽셀을 하나로 합치더라도 잃는 정보가 많지 않음 훈련 속도를 높이는 것 외에 차원 축소는 데이터 시각화에도 유용 - 차원 수를 둘로 줄이면 고차원 훈련 세트를 하나의 압축된 그래프로 그릴 수 있으며, - 군집 같은 시각적인 패턴을 감지해 통찰을 ..
공부하다보니 정오표를 계속 참고를 하게 되어서 기록해둠. (생각보다 수정된 부분이 많음) tensorflow.blog/handson-ml2/ 핸즈온 머신러닝 2/E ★★★★★ 머신러닝의 바이블! (s******u 님)★★★★★ 머신러닝을 하는 개발자의 책장에서는 반드시 이 책을 찾을 수 있을 것입니다. (p******k 님)♥♥♥♥ 매우 훌룡합니다 기본기까지 다져주는 tensorflow.blog 코드는 git 참고 github.com/ageron/handson-ml2 ageron/handson-ml2 A series of Jupyter notebooks that walk you through the fundamentals of Machine Learning and Deep Learning in Pytho..
