Numpy (1차원, 2차원, 3차원 배열 / 배열 인덱싱) Data Split Numpy를 사용하기 위해서, numpy 모듈을 import한다 import numpy as np Array 동일한 자료형으로 가지는 값들이 격자판 형태로 있는 것이다. 각 값들은 tuple 형태로 색인되고, rank는 배열이 몇 차원 배열인지 알려준다. shape는 각 차원이 크기를 알려주는 정수들이 모인 tuple이다. a = np.array([1,2,3]) print(type(a), a.shape, a[0], a[1], a[2]) print(a) #[5,2,3] b = np.array([[1,2,3], [4,5,6]]) print(b) ``` [[1 2 3] [4 5 6]] ``` print(b.shape) # (2, ..
Model Parameters (Learnable) vs Hyperparemeters (User-defined) 차이점 서술하기 Linear Regression 1) Supervised Learning 2) 주어지는 인풋 x에 대해서 target y를 구한다. - Training Data points n개의 (x,y)를 Input으로 넣으면, 학습 이후 이에 해당하는 Model parameter가 나온다. - Testing 실제 x와 Model Parameter를 입력했을 때 Predictor( Parameteric Approach 파라미터 기반으로 작동 non-Parameteric Approach Optimization 가우시안 함수의 파라미터는 mean, variance이다. 1) Data point..
def add(x, y): return x + y; add(1, 2); # 3 파이썬에서 함수 정의 (lambda x, y : x + y) (10, 20) # 30 람다 형식을 이용해 이렇게 표현할 수 있음. lambda (매개변수) : (실행문) t = lambda x : x * 2 + 1 t(6) # 13 t = lambda x : print("test : {}".format(x+3)) 반복문 for문은 list형 자료 작성 시에도 활용 가능하다. x = [i ** 2 for i in range(10)] x # [[0, 1, 4, 9, 16, 25, 36, 49, 64, 81] while문으로 커피가 떨어지면 판매를 중단하고 "판매 중지"라는 문구를 보여준다. coffee = 5 money = 300..
Regression Model Parameters (Learnable) 컴퓨터 내부에서 모델이 스스로 목표를 세우기 위해서 바꿔가는 Key의 값이다. 즉 HyperParameters와 동일하게 변경되는 값이 모델의 정확도에 영향을 미치지만, 사용자가 직접 선택하지 않고, 최적의 답안을 추론해내가며 모델이 직접 학습한다. Linear Regression (선형 회귀) Classification이 Input Data의 Label를 맞추는 것이 답안이었다면 Linear Regression의 경우 Input된 데이터를 기반으로 직선을 그어 수식을 만들어서 특정 Input x에 대해 y를 예측할 수 있다. 선형 회귀 역시 Supervised Learning의 일종이다 트레이닝 데이터셋은 (x, y)처럼 좌표값처럼..
Machine Learning vs Deep Learning 1) Machine Learning은 Feature extraction을 기본적으로 거쳐 Feature vector로 바꾼 후 Classfication / Regression을 수행한다. 2) Deep Learning에서는 Feature extraction과 Classification을 동시에 수행하여 Output을 도출한다. 여기서 사용하는 방법론은 Deep Neural Network. 컴퓨터가 스스로 분류 레이블을 만들어내고, 반복학습 사전학습 하여 알고리즘을 만들어낸다. . Supervised Learning이란, Input data와 Label을 모두 입력으로 받아 모델을 학습시켜, 새로운 데이터를 받아 Evaluation을 진행할 때 ..
