본문 바로가기
반응형

[인공지능]19

[TensorFlow] 목표 : Tensorflow를 이용해 지도학습 문제 해결 (Feat. 딥러닝) 지도학습 구현 순서 1. 과거의 데이터를 준비한다. (독립변수/종속변수 분리) 2. 모델의 구조를 만든다. (위 정보를 토대로 독립변수 x개, 종속변수 y개의 모델) 3. 데이터로 모델을 학습(Fit)한다. (모델 완성) 4. 모델 이용 지도학습 문제를 해결하기 위한 알고리즘(학습방법)은 여러 종류가 있다. - Decision Tree - Random Forest - KNN - SVM - Neural Network ( = Depp Learning) 등등 그 중, 딥러닝이라고 부르는 Neural Network에 대해 알아본다. Neural Network ( = Deep Learning, 인공신경망) 사람의 두뇌가 동작하는 방법을 모방해서 기계가 학습을 할 수 있도록 고안된 알고리즘. 사람의 신경세포인 뉴런.. 2020. 12. 15.
[오렌지] 모델/알고리즘의 특징 비교 docs.google.com/spreadsheets/d/1maZvvWro6CYVAsS3Sf8tapFW1b2sZOgldoiSK5D8xlU/edit#gid=0 Comparing Supervised Learning Algorithms - KR Table Algorithm,결과의 데이터 형식,문제유형,모델을 해석 가능한가?,동작방법이 이해하기 쉬운가?,예측 정확도,학습속도,예측속도,설정의 갯수,작은 데이터로 괜찮은 성능을 내는가?,Handles lots of ir docs.google.com 출처 - opentutorials.org 2020. 12. 13.
[오렌지] 지도학습 / 분류 방법은 지도학습 / 회귀와 거의 동일하나, 사용하는 모델 종류가 다르다. 그리고 회귀에서는 모델 별 성능 정확도 측정으로 RMSE를 주로 이용했는데 분류에서는 CA 라는 것을 이용한다. + CA = Classification Accuracy (분류 정확도). 1에 가까울수록 좋은 값이다. 2020. 12. 13.
[오렌지] 지도학습 / 회귀 지도학습은 과거의 데이터가 있어야 하고, 분석하려는 각 열이 원인과 결과관계인 인과관계여야 가능하다. 지도학습은 회귀, 분류로 나뉜다. 회귀는 종속변수가 양적 데이터(숫자)일 때 가능하다. 분류는 종속변수가 범주형 데이터(이름)일 때 가능하다. 하지만 이 떄, 예측하고자 하는 데이터가 이름형인데 그 경우가 범위 내에 있지 않고 무한히 많다면 이는 분류로 해결할 수 없다. 마찬가지로, 숫자혀이 아니기 떄문에 회귀로도 해결할 수 없다. 이 경우에는 지도학습으로 불가능하다. + 두 개 이상의 독립변수가 하나의 종속변수에 대응될 수도 있다. ( 두 개 이상의 열이 하나의 열의 결과에 각각 영향을 미칠 수 있으므로 ) 모델 채택 지도학습에서 모델을 만들 때, 데이터/학습 방법에 따라 모델을 만드는 방식이 다양하게.. 2020. 12. 13.
반응형

티스토리툴바