Koo's.Co

1. 딥러닝 모델 설계하기 데이터는 교재에서 제공해주는 데이터를 사용해 공부했습니다. !git clone https://github.com/taehojo/data.git 1) 모델 정의 폐암 수술 환자의 생존율 예측 - 이항 분류 모델 생성 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense imoprt numpy as np data = np.loadtxt(path, delimiter=',') x = data[:, :16] y = data[:, 16] model = Sequential() model.add(Dense(30, input_dim=16, activation='relu')) model.ad..

1. 퍼셉트론(Perceptron) [ML] 퍼셉트론 (Perceptron) 1. 퍼셉트론(Perceptron) 퍼셉트론은 신경망의 기원이 되는 알고리즘입니다. 퍼셉트론의 구조를 배워야 신경망과 딥러닝의 아이디어를 이해할 수 있습니다. 퍼셉트론은 다수의 신호를 입력 받아 하 koosco.tistory.com 퍼셉트론에 대한 내용은 이전에 공부한 적이 있어 별도로 다시 정리하지 않았습니다. 퍼셉트론에는 1) XOR문제와 2) 은닉층 갱신 문제가 있습니다. 각각의 문제를 해결하기 위해 나온 방안이 1) 다층 퍼셉트론과 2) 오류 역전파 알고리즘입니다. 2. 다층 퍼셉트론(Multi-Layer Perceptron) [ML] 다층 퍼셉트론(multi-layer perceptron) 퍼셉트론은 하나의 선형 결정경..

1. 가장 훌륭한 예측선 - 선형회귀/로지스틱회귀 단순 선형 회귀(Simple Linear Regression): 하나의 독립변수를 이용해 종속변수를 설명 다중 선형 회귀(Multiple Linear Regression): 여러 개의 독립변수를 이용해 종속변수를 설명 단순 선형 회귀에서 데이터들의 특징을 담은 일차원 그래프를 위와 같이 표현 할 수 있습니다. 이 직선을 이용해 종속변수의 값을 계산하기 위해서는 기울기 a와 절편 b의 값을 적절히 구해야 합니다. 1) 최소 제곱법(Method of least squares) 최소 제곱법은 해석적인 방법으로 회귀선 방정식을 구하는 방법입니다. 반복적인 계산을 통해 파라미터를 갱신하는 gradient descent 방식과는 다르게 계산을 통해 파라미터값을 바로..

1. 신경망(Neural Network) 퍼셉트론을 사용하면 복잡한 함수도 표현할 수 있습니다. 하지만 앞서 구현한 Gate들처럼 가중치를 직접 설정해주어야 한다는 단점이 있습니다. 하지만 신경망은 데이터들로부터 가중치를 자동으로 학습하여 직접 가중치를 설정하지 않아도 적절한 매개변수값을 구할 수 있습니다. 신경망은 기본적으로 입력층(Input layer), 출력층(Output layer) 그리고 은닉층(Hidden layer)으로 구성됩니다. 입력층과 출력층은 외부에서 볼 수 있지만 은닉층은 외부에서 볼 수 없습니다. 위 그림은 가중치를 갖는 노드들이 2개이기 때문에 "2층 신경망"이라고 하는데 표기에 따라 3층 신경망이라고 하는 경우도 있습니다. 2. 활성화 함수(Activation function)..

퍼셉트론은 하나의 선형 결정경계를 갖습니다. 그렇기 때문에 XOR과 같이 비선형 결정 경계를 갖는 문제는 풀 수 없는 한계점이 있었습니다. 하지만 두 개 이상의 퍼셉트론을 사용하면 이러한 비선형 결정 경계를 갖는 문제도 풀 수 있게 됩니다. 위와 같이 두 개의 선형 결정 경계를 사용하면 XOR문제를 깔끔하게 해결할 수 있습니다. 실제로 XOR문제는 AND, NAND, OR Gate를 사용해서 풀 수 있습니다. A B Q 0 0 0 1 0 1 0 1 1 1 1 0 앞서 구현한 AND, NAND, OR Gate 함수를 호출해도 동일한 결과를 구할 수 있습니다. def XOR(x1, x2): s1 = NAND(x1, x2) s2 = OR(x1, x2) return AND(s1, s2) 이렇게 XOR은 두 개 ..

1. 퍼셉트론(Perceptron) 퍼셉트론은 신경망의 기원이 되는 알고리즘입니다. 퍼셉트론의 구조를 배워야 신경망과 딥러닝의 아이디어를 이해할 수 있습니다. 퍼셉트론은 다수의 신호를 입력 받아 하나의 신호를 출력하는 역할을 합니다. 이 때 퍼셉트론은 0 또는 1의 출력을 가질 수 있습니다. 위 그림에서 x1, x2, y는 뉴런(노드)라고 부르며, x1과 x2는 입력 신호, y는 출력 신호가 됩니다. 입력 신호가 다음 뉴런에 보내질 때는 일정한 가중치가 곱해집니다. 출력 신호는 입력 신호에 들어온 신호의 합이 일정한 값(역치, 임계값)을 넘는 경우에만 1을 출력합니다. 2. 퍼셉트론을 이용한 논리 회로의 표현 이 퍼셉트론을 사용하면 AND, OR, NAND와 같은 논리 게이트를 표현할 수 있습니다. 출력..