코딩헤딩

- 패션MNIST 데이터 읽어들이기(훈련 및 테스트데이터) (train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mnist.load_data() print(train_input.shape, train_target.shape) print(test_input.shape, test_target.shape) 결과 : (60000, 28, 28) (60000,) (10000, 28, 28) (10000,) *데이터 전처리 생략 * 인공신경망(Artificial Neural Network, ANN) -> 계층이 1개인 경우 또는 은닉계층이 없는 경우 * 심층신경망(Deep Neureal Network, DNN) -> 은닉계층을..

1. 데이터 증가시키기 2. 하이퍼파라미터 튜닝 => 반복 횟수 증가 => 계층 추가 또는 제거(일반적으로 추가) => 이외 하이퍼파라미터들... 1. 성능향상 - 은닉계층추가 * 모델 생성하기 model = keras.Sequential() model * 입력 계층 추가하기 model.add(keras.layers.Flatten(input_shape=(28, 28))) - 전처리 계층으로 추가 Flatten() : 차원축소 전처리 계층(1차원으로 축소) : 훈련에 영향을 미치지는 않음 : 일반적으로 입력계층 다음에 추가하거나, 입력계층으로 사용되기도 함 : 이미지 데이터 처리 시에 주로 사용됨 * 중간계층 = 은닉계층(hidden layer) 생성하기 model.add(keras.layers.Dense..

데이터 수집, 정규화, 2차원데이터로 변환, 훈련 및 검증 데이터 분류는 저번 글과 동일하다. https://coding-heading.tistory.com/94 Deep learning[딥러닝] 인공신경망 훈련모델 (데이터 전처리, 모델 생성) 딥 러닝이란 무엇입니까? 딥 러닝은 인간의 두뇌에서 영감을 얻은 방식으로 데이터를 처리하도록 컴퓨터를 가르치는 인공 지능(AI) 방식입니다. 딥 러닝 모델은 그림, 텍스트, 사운드 및 기타 데 coding-heading.tistory.com * 신경모델에 계층(layer) 추가하는 방법 3가지 1. 층을 먼저 만들고, 신경망 모델 생성 시 추가하기 """입력계층(Input Layer) 생성하기""" dense1 = keras.layers.Dense(100, ac..

딥 러닝이란 무엇입니까? 딥 러닝은 인간의 두뇌에서 영감을 얻은 방식으로 데이터를 처리하도록 컴퓨터를 가르치는 인공 지능(AI) 방식입니다. 딥 러닝 모델은 그림, 텍스트, 사운드 및 기타 데이터의 복잡한 패턴을 인식하여 정확한 인사이트와 예측을 생성할 수 있습니다. 이미지를 설명하거나 사운드 파일을 텍스트로 변환하는 등 일반적으로 인간의 지능이 필요한 작업을 자동화하는 데 딥 러닝 방법을 사용할 수 있습니다. https://aws.amazon.com/ko/what-is/deep-learning/ 1. 라이브러리 정의 import tensorflow as tf from tensorflow import keras * 텐서플로우 import matplotlib.pyplot as plt * 시각화 import..

1. 규제 - 과대 또는 과소 적합중에 주로 과대적합이 발생 했을 때 사용 - 훈련의 정확도가 다소 낮아지는 경향이 있으나, 검증(테스트) 정확도를 높이는 효과가 있음 - 훈련모델을 일반화 하는데 주로 사용되는 방법임 - 규제 개념을 적용한 향상된 모델 : 릿지(Ridge)와 라쏘(Lasso)가 있다. 1. 정규화(단위(스케일)를 표준화 하는 방식) 2. 규제가 적용된 모델 훈련/검증 훈련 및 테스트 독립변수 정규화 하기 * 정규화를 위한 라이브러리 from sklearn.preprocessing import StandardScaler 1. 정규화 클래스 생성 2. fit() : 정규화 패턴 찾기 3. transform() : 찾은 패턴으로 정규화 데이터로 변환 (훈련 및 테스트 독립변수 변화) * 정규..

1. 평균절대오차(MAE) 확인하기 from sklearn.metrics import mean_absolute_error mae = mean_absolute_error(test_target, test_pred) mae 2. 특성 클래스 생성하기 poly = PolynomialFeatures(include_bias=False) poly - 특성을 생성시킬 때 y절편값도 생성을 함께 시킨다. - 특성만 있으면 되기 때문에 y절편을 생성에서 제외시키기 위해서 ---> include_bias = False로 설정 temp_data = [[2,3,4,]] temp_data - sample데이터로 어떤 특성들이 만들어지는지 확인 먼저 특성을 만들 패턴 찾기 poly.fit(temp_data) 찾은 패턴으로 특성 생..

- 여러 개의 특성을 사용한 회귀모델 - 특성이 많을수록 복잡도가 증가됨, (훈련시간이 오래 걸림, 시간 성능에 따라 빠를 수도 있음 - 다중회계모델 공식 => y = a*x1 + b*2 + c*3 + ... + y절편 * 훈련 정확도 및 검증(test) 정확도 확인해 보기 1. 독립변수 생성하기 - 데이터프레임의 특성 중에 독립변수로 사용하 특성들을 2차원의 리스트 또는 배열 형태로 만들어주어야 함. perch_full = df.to_numpy() perch_full.shape 2. 종속변수 생성하기 import numpy as np perch_weight = np.array( [데이터 넣을 곳] ) perch_weight.shape **독립변수와 종속변수의 개수는 같아야 한다. 3. 훈련 및 테스트 ..