개발/파이썬, 머신 러닝5 3.2 경사 하강법 *본 글은 "Do It! 정직하게 코딩하며 배우는 딥러닝 입문", 박해선 저, 이지스 퍼블리싱을 참고하여 작성하였습니다. GitHub Link: 링크 경사 하강법이란? 위에 그렸던 산점도에 가장 잘 맞는 직선을 그린다면, 왼쪽 아래에서 오른쪽 위로, 가운데를 지나는 직선을 그리게 될 것입니다. 위는 입력 데이터 1개의 특성에 대한 직선을 설명한 것입니다. 하지만 저희가 다룰 특성은 총 10개죠. 11차원 그래프는 그릴 수도 없지만, 11차원 공간을 가로지르는 초평면 (hyperplane)은 상상하기도 어렵습니다. 따라서 보통 특성 1, 2개 정도를 사용하여 2, 3차원 그래프로 데이터를 나타내게 됩니다. 이렇게 나타내게 되면 위에서 그러했듯 데이터에 대한 직관을 쉽게 얻을 수 있습니다. 낮은 차원에서 얻.. 2020. 10. 8. 3.1 선형 회귀 *본 글은 "Do It! 정직하게 코딩하며 배우는 딥러닝 입문", 박해선 저, 이지스 퍼블리싱을 참고하여 작성하였습니다. GitHub Link: 링크 선형 회귀 (linear regression)은 머신러닝 알고리즘 중 가장 간단하면서도 딥러닝의 기초가 됩니다. 선형 회귀의 주요 관심사는 y = ax + b와 같은 일차식이 있을 때, x값과 y값을 가지고 기울기 (a)와 절편 (b)값을 찾는 것입니다. 주어진 좌표들이 있고, 일차식 y가 초기값 a와 b를 가진다고 합시다. 이 때, 일차식 y가 주어진 좌표들을 모두 지나려면, a값과 b값을 몇 차레 조정해 줄 필요가 있을 것입니다. 이 때 만드는 일차식 y들을 '선형 회귀로 만든 모델' 이라고 하며, 그 중 맨 마지막에, 주어진 좌표들을 모두 지나게 되는.. 2020. 10. 7. MatPlotLib 라이브러리 소개 MatPlotLib에 대해 공부하면서 작성하였습니다. 영상은 YouTube의 youtu.be/6rKe2IEIu8c를 참고하였습니다. GitHub Link: 링크 Matplotlib은 Python에서 사용할 수 있는 라이브러리 중 데이터를 시각화 하기에 가장 좋고, 대중적으로 쓰이는 라이브러리입니다. 이것 역시 machine learning 분야에서 numpy, pandas와 더불어 많이 쓰이고 있습니다. 공식 사이트: matplotlib.org/# Matplotlib: Python plotting — Matplotlib 3.3.2 documentation matplotlib.org 이하는 제가 영상을 참고하여 작성한 .ipynb 파일을 GitHub에 올린 것을 그대로 옮긴 것입니다. 2020. 10. 5. Pandas 라이브러리 소개 Pandas 공부를 하며 jupyter notebook에 적은 것을 그대로 올립니다. https://lectures.quantecon.org/py/ 의 튜토리얼을 참고하였으며, https://youtu.be/iGFdh6_FePU 유튜브 영상 또한 참고하였습니다. GitHub Link: 링크 Pandas 역시 NumPy와 비슷하게, data science 및 data analysis 분야에서 필수적으로 사용되는 파이썬 라이브러리입니다. 이하는 작성한 .ipynb 파일을 그대로 올립니다. 더 편하게 보시기 위해서는 위의 GitHub 링크를 참고해 주세요. 2020. 10. 4. NumPy 라이브러리 소개 NumPy 라이브러리 소개 NumPy에 대해서 공부하며 기록하기 위하여 작성하였습니다. 영상은 https://youtu.be/xECXZ3tyONo 에서 참고했습니다 (영어). GitHub Link: 링크 NumPy는 data science, machine learning 등을 하고 싶다면 필수적으로 알아야 할 파이썬 라이브러리입니다. 수를 다루는 라이브러리로, 파이썬에서 가장 강력한 라이브러리 중 하나입니다. 가장 큰 특징으로는 빠르다는 것입니다. 엄청난 양의 수를 훨씬 빠르게 다룰 수 있습니다. 또, 효과적인 기능들도 많고요. 이하는 작성한 .ipynb 파일을 그대로 올렸습니다. GitHub 링크에 있는 jupyter notebook 파일의 경우, 용량상의 문제로 이미지가 등장하는 결과 부분은 전부 제.. 2020. 10. 3. 이전 1 다음
