머신러닝, 딥러닝

머신러닝 알고리즘에는 "지도학습" 과 "비지도 학습" 두가지가 있다. 먼저 지도학습이란, 쉽게 말해 학습을 할 때 정답지가 있는 학습을 말한다. 입력과 타깃을 통해 모델을 훈련한 다음 새로운 데이터를 예측하는 데 활용하는 것이 "지도학습" 이다. 비지도 학습이란, 타깃

K-최근접 이웃 회귀 머신러닝 알고리즘에는 크게 지도학습과 비지도학습이 있다고 했다. 이 중, 지도학습은 크게 회귀와 분류로 나뉘는데, 저번에 다루었던 도미인지 빙어인지를 맞추는 것이 분류이고, 어떤 임의의 수치를 예측하는 것이 '회귀' 이다. 오늘은 이 회귀에 대해서

로지스틱 회귀 로지스틱 회귀란, 선형 방정식을 사용한 분류 알고리즘 이다. 선형 회귀와 달리 '시그모이드 함수'나 '소프트맥스 함수'를 사용해 클래스 확률을 추출할 수 있다는 특징이 있다. 그렇다면 '시그모이드 함수'와 '소프트맥스 함수'가 무엇일까? 시그모이드 함

이번에는 딥러닝과 인공 신경망 알고리즘을 이해하고 텐서플로를 사용해 인공 신경망 모델을 만들어 보겠다. 먼저 텐서플로를 사용해 데이터를 불러와보자. > (60000, 28, 28) (60000,) 훈련 데이터는 60,000개의 이미지로 이루어져 있고 각 이미지의

이번 시간은 이미지를 위한 인공 신경망에 대해서 알아보겠다. 먼저 배워볼 것은 합성곱 신경망을 구성하는 기본 개념과 동작 원리이고, 간단한 합성곱, 폴링 계산 방법을 익혀볼 것이다. 합성곱 신경망의 구성 요소 합성곱 신경망(Convolutional Neural Ne

순차 데이터 > 순차 데이터(sequential data)는 텍스트나 시계열 데이터(time series data)와 같이 순서에 의미가 있는 데이터를 말한다. ex) I am a boy. -> boy am a I 순서가 다르면 의미가 사라진다. 지금까지 다루었