본문 바로가기

ML&DATA53

7 - CNN 이미지 인식 분야에서 딥러닝을 활용한 기법은 거의 다 CNN을 기초로 함. 7.1 전체 구조 CNN에서는 기존 네트워크에서 새로운 합성곱 계층과 풀링 계층이 추가된다. CNN 계층은 conv-relu-pooling 흐름으로 연결된다. 출력에 가까운 층에서는 affine-relu 구성을 사용할 수 있다. 7.2 합성곱 계층 이미지는 다차원의 형상이고, 이 형상엔 공간적 정보가 담겨있다. 예를들어 공간적으로 먼 픽셀끼리는 별 연관이 없는 등 공간 속에서 의미를 갖는 본질적인 패턴이 숨어있다. 여태까지 배웠던 완전연결 계층은 형상에 담긴 정보를 살릴 수 없다. 반면, 합성곱 계층은 형상을 유지한다. 다차원 데이터를 입력받아 다차원 데이터를 출력받는다. 그래서 CNN에서는 이미지처럼 형상을 가진 데이터를 제대로.. 2020. 10. 7.
sklearn - impute 결측치를 처리하기 위한 모듈. fit, transform 메서드 포함 strategy : mean, median. most_frequent, constant fill_value : strategy=constant인 경우 채워넣을 값 from sklearn.impute import SimpleImputer imputer = SimpleImputer(strategy= 'median') statistics_속성에 채워넣을 값을 저장함 imputer.statistics_ #array([-118.51, 34.26, 29., 2119.5, 433., 1164., 408., 3.5409]) 2020. 10. 2.
sklearn - model_selection import os import tarfile import urllib.request import pandas as pd DOWNLOAD_ROOT = "https://raw.githubusercontent.com/rickiepark/handson-ml2/master/" HOUSING_PATH = os.path.join("datasets", "housing") HOUSING_URL = DOWNLOAD_ROOT + "datasets/housing/housing.tgz" def fetch_housing_data(housing_url=HOUSING_URL, housing_path=HOUSING_PATH): if not os.path.isdir(housing_path): os.makedirs(housing_path.. 2020. 10. 2.
5. SVM - 비선형 분류 www.youtube.com/watch?v=6omvN1nuZMc&list=PLJN246lAkhQjX3LOdLVnfdFaCbGouEBeb&index=13 박해선 교수님의 유튜브 강의로 공부했음을 밝힙니다. SVM 서포트 벡터 머신은 분류(선형, 비선형), 회귀, 이상치 탐색에 사용할 수 있는 다목적 머신러닝 모델이다. 굉장히 사용 빈도가 높으며 반드시 알고 있어야 한다. SVM은 복잡한 분류 문제에 잘 맞고 중간 이하 크기의 데이터셋에 적합하다. 5.2 비선형 SVM 분류 선형 SVM 분류기로 분류할 수 없는 비선형 데이터 셋에 사용한다. suuntree.tistory.com/298?category=875918 처럼 다항 특성과 같은 특성을 더 추가하여 비선형 데이터셋을 다룰 수 있다. 이렇게 하면 선형적.. 2020. 9. 28.

티스토리툴바