딥러닝

0802 keras 실습 [아이리스 분류문제]

- seaborn 이용해보기 -> 종을가지고 특징들을 시각화하여 보여줌 3. 원-핫 인코딩 이번에 들어있는 데이터는 수치값이 아닌 문자열 값이기때문에 수치값으로 다시 바꿔주어야함 - 0, 1, 2 ... 이런식으로 수치가 매겨지는데 활성화 함수를 적용하려면 Y값이 숫자 0과 1로 이루어져 있어야함 이렇게 바꿔주는 것이 원-핫 인코딩 - 아래와 같이 from keras.utils import np_utils를 하고 to_categorical에 값을 넣어서 바꿔줌 4. 소프트 맥스 - 확률값으로 결과를 출력 시켜줌 (교차엔트로피랑 같이 듀오로 많이 씀) 5. 아이리스 품종 예측 실행 1. seed 값 설정과 필요 라이브러리 임포트 2. 데이터 입력부터 원-핫 코딩 3. 모델의 설정, 컴파일 , 실행, 결과출력

0802 keras 실습 [파마 인디언 데이터 분석하기]

데이터 분석부터 생존률 예측까지 - 둘 중 하나(당뇨병에 걸릴지 아닐지)를 결정하는 이항분류 문제이므로 오차함수는 binary_crossentropy를 사용했고 최적함수로 idam 사용 - 전체 샘플이 200번 반복해서 입력될 때 까지 실험을 반복 - 한번에 입력되는 값을 10개로 하고 종합하면 다음과 같은 프로그램 완성 - 약 78%의 예측 정확도를 보임.

0802 Keras 실습 [폐암 수술환자의 생존률 예측하기]

pip install tensorflow pip install keras ipython 실행 후 import tensorflow as tf import keras 로 확인 딥러닝 실행 model.compile(loss = 'mean_squared_error', optimizer = 'adam', metrics=['accuracy]) -> optimizer에 값을 안넣어주면 경사하강법이 디폴트 평가된 결과 model.evaluate(X,Y)[1] -> [0]에는 loss값 error값이 들어가고 1번이 accuracy 1. 필요한 라이브러리를 임포트 함 2. 데이터 불러오기 - 어떤 특정한 시작 숫자를 정해주면 컴퓨터가 정해진 알고리즘에 의해 마치 난수처럼 보이는 수열을 생성함. --> seed 시드는 보..

0802 딥러닝 이론 2

1. 기울기 소실 문제와 활성함수 2. 속도와 정확도 문제를 해결하는 고급 경사 하강법 - 확률적 경사 하강법 배치를 쓸때 ~개의 대한 평균을 구함 -> 에러에 대해 웨이팅개수를 하나하나 하니까 시간이 굉장히 많이걸림 but 확률적 경사 하강법(SGD)는 전체데이터가 아니라, 랜덤하게 추출한 일부 데이터 사용 - 모맨텀 내가 방향을 틀기전에 앞 수정값의 방향(+, -)을 참고하여 같은 방향으로 일정한 비율만 수정되게 하는 방법. 한방향으로만 몰아서 가게 하지 않도록! - 아다그라드 변수의 업데이트 횟수에 따라 학습률을 조절하는 옵션이 추가된 최적화 방법 ( 만일 학습 도중 어떤 변수가 자주 업데이트 되었다면 이 변수는 최적화에 더욱 가까웠다는 걸 알수있음 - 알엠에스프롭 아다그라드 G의 값이 무한히 커지..

0802 딥러닝 기초

- 퍼셉트론 - 신경망 손실함수 MSE => mean square error 최소제곱오차 ==> 머신러닝의 최종적인 목적은 높은 정확도를 끌어내는 매개변수를 찾는것! 경사하강법 기울기를 이용하여 손실 함수의 최솟값을 찾으려는 것이바로 경사하강법! -> 신경망 학습에 많이 사용됨 n -> 학습률인데 작아질 수록 경사를 따라 내려가는게 느려지고 너무 많으면 너무 커짐! (오버슈팅) 다층 신경망 구현 identity_function - 항등함수 이진분류-시그모이드함수 다중분류-소프트맥스 MNIST 데이터 처리하기 배치 - 입력데이터를 하나로 묶은 것. 여러개의 데이터를 하나로 묶어서 처리 (Batch) 오차 역전 파법 - 신경망 학습에서 신경망의 가중치에 대한 손실 함수의 기울기를 구하기 위해 미분을 사용 -..