728x90 머신러닝6 퍼셉트론,인공신경망 정리_Day61(2) 퍼셉트론(Perceptron)이란? 퍼셉트론은 다수의 신호를 입력받아 하나의 신호를 출력합니다. 전류가 전선을 타고 흐르는 전자를 내보내듯이, 퍼셉트론 신호도 흐름을 만들고 정보를 앞으로 전달하게 됩니다. 뉴런 or 노드(node) : 원형으로 표현된 것 입력신호(x0, x1, ...)가 뉴런에 입력되면 각각 고유한 가중치(weights, w0, w1, ...)가 곱해지는데, 가중치는 시냅스(synapses)의 연결강도(시냅스의 두께, 개수)와 같은 역할을 함 가중치가 곱해진 값들은 모두 "더해져" 정해진 임계값(threshold)을 넘을 경우에만 다음 노드들이 있는 층(layer)으로 신호가 전해짐 퍼셉트론의 로직 게이트 (논리회로의 진리표) 활성함수 (Activation function) 신경망들의 .. 2021. 4. 5. 피드백)NBA 머신러닝 예측 모델 프로젝트_Day40 한줄평 : 모델과의 지나친 사랑은 집착이다 지난 섹션과는 다르게 이번 프로젝트는 개인이 직접 데이터를 선택하고 가설을 설정한 뒤, 머신러닝 모델까지 만드는 과정이였다. 따라서 자연스럽게 나의 평소 관심사를 기반으로 데이터를 선정한 뒤, 머신러닝 모델을 만들게 되었다. 너무 완벽한 모델을 만들고 싶었기 때문에 여러가지 데이터를 혼합하고 싶었고, 결과적으로 총 4일 기간중 데이터 수집과 전처리에 3일을 소요하였다. 마지막 하루동안 머신러닝 모델링을 진행하고, 발표자료를 만들고 발표녹화까지 하다 보니 결과적으로 용두사미의 프로젝트가 된 것 같아 매우 아쉽다. 제출하기 너무 부끄러운 모델과 자료였지만, 감사하게도 동기분들에게 피드백을 받아 회고해보고자 한다. 첫번째는 EDA에서 시각화 하셨던 몇개의 그래프 중,.. 2021. 3. 2. 완성)NBA 머신러닝 예측 모델 프로젝트_Day40 https://github.com/khalidpark/project-GamePredictionNBA khalidpark/project-GamePredictionNBA Contribute to khalidpark/project-GamePredictionNBA development by creating an account on GitHub. github.com 2021. 3. 2. 프로젝트)NBA 머신러닝 예측 모델_Day36~39 ㅍ다시 돌아온 프로젝트 주간. 직접 선택한 데이터를 기반으로 가설을 세우고, 데이터 전처리 등을 통한 뒤 의미있는 머신러닝 예측 모델을 만드는 프로젝트이며 이번에도 중요한 핵심은 프로젝트 발표를 듣는 청자는 '비데이터, 비개발자 직군' 따라서 준비된 내용을 쉽게 잘 전달하는 것도 매우 중요하겠다. 또한 지난번 프로젝트에서 받았던 피드백들을 보완할 것이며, 시간 분배를 미리 하여 급하게 발표영상을 찍는 일이 없도록 하겠다. 자유롭게 데이터를 선택하고, 분석한 뒤 가설을 설정해야 하기 때문에 무엇보다도 해당 데이터에 대한 최소한의 관심과 흥미가 기본적으로 있어야 한다고 판단. 평소 스포츠에 관심이 많기 때문에, 지금 진행중인 미국농구 NBA 데이터를 활용하여 머신러닝 예측모델을 만들어 보고자 한다. 1. 상.. 2021. 2. 22. Bias/Variance/편향과분산, 한번더_Day22(5) 2개의 특성까지는 그래프화를 통해 bias 와 variance 를 시각화 , 판단 가능하지만 이보다 특성이 많아질 경우 다른 기법이 필요함 인간의 분류 에러를 0% 라고 한다면 Train set error 1% 15% 15% 0.5% Dev set error 11% 16% 30% 1% high variance high bias high bias high variance good 인간의 에러 0% 와 train set error 와의 차이를 통해 high or low bias 판단하고 train set error 와 dev set error 와의 차이를 통해 high or low variance 판단한다 (만약 인간의 분류 에러가 15%라면 , 2번째 모델 (15%,16%) 은 잘 만들어진 모델이라 볼 수.. 2021. 1. 30. 클러스터, scree plot, k-means, ML_Day14(2) [ Scree plot] PCA를 시각화하는 방법 잠깐 PCA 복습 PCA (Principal Component analysis) , 주성분분석이란? 정의 : 여러 개의 반응변수로 얻어진 다변량 데이터에 대해, 분산-공분산 구조를 선형결합식으로 설명하고자 함 목적 : 차원축소 / 주성분을 통한 데이터 해석 출처 : m.blog.naver.com/hsj2864/220613527515 R - 주성분분석 주성분분석(PCA : Principal component analysis)에 대해서 정리해보겠다. 내용이 방대하다보니 요약설... blog.naver.com [ Machine Learning ] 머신러닝 - 지도학습 - 분류 , 회귀 - 비지도학습 - 클러스터링 , 차원축소 , 연관규칙학습 - 강화학습 [ C.. 2021. 1. 15. 이전 1 다음 728x90
