이제 9주차 부터 진행할 프로젝트를 위한 Python 라이브러리인 Matplotlib과 pandas를 배워보았다.
이들은 주로 데이터 분석과 시각화를 위한 라이브러리로 쓰인다.
Matplotlib
- 사용방식에 3가지가 있다.
- State-machine
- pylab
- state-machine pyplot
-
Object-oriented
-
1번 + 2번
- 기본 용어
RNN ( Recurrent Neural Network )
RNN은 여러 개의 cell 로 이루어져 있다.
-
이전의 값을 기억하여 다음 값에 영향을 준다!
-
RNN의 종류
- one to one
- Fully-Connected Layer
- one to many
- Image Captioning
sequential하지 않은 data(image)를 input으로 받고 sequential한 output(text)을 출력
- many to one
- Sentiment Classification
- many to many
- Machine Translation
문장을 끝까지 읽은 시점부터 번역된 문장을 출력
- many to many
- Video Classification
(아까와 달리 영상을 다 본 시점까지 가지 않고) 과거 부터 현재까지의 image를 통해 output값을 출력
RNN의 용어 정리
-
sample : sample의 개수 ( 1회 train 기준 = batch_size )
-
time_step = input_length : 어느 정도의 시간을 고려할 것인가
-
input_dim : input data의 feature 수
-
cell 연산
- input 연산
- hidden_state 연산
- activation function
- output 연산
- return_sequences = False
- return_sequences = True
- 기타
- Wxh, Whh, Why 모두 동일 layer에서는 그 값이 동일하다.
- return_sequences를 통해 output의 dimension을 input과 같게 할 수 있고 이를 통해 Reccurent Layer를 더 붙일 수 있다.
...
- LSTM
- GRU
Metrics
- Loss
- Regreesion
- mean absolute error
- 특이값 ( outlier ) 에 robust ( 덜 영향 받는다. )
- 절댓값을 취하기 때문에 차이를 직관적으로 느낄 수 있다.
- root mean square error
-
특이값에 더 가중치를 둔다.
-
MAE보다 더 보편적으로 사용한다.
-
mse에 np.sqrt를 붙이는 방식으로 구현
-
Classification ( precision, recall )
ex)
- Precision : positive판정이 맞을 확률
ex) 암 판정 중 실제 암일 확률
대략 : 40%
- Recall : positive사건이 잘 맞았는지
ex) 암 환자 중 암을 진단받을 확률
대략 : 22%
- Data imbalance
: 잘못된 metric -> 오류 파악하지 못함
해결 : case 맞는 metric 설정
- metric 결정
data balance check
Yes : Accuracy 사용
No : F1_score 사용
