반응형 DATA Science/Python Machine Learning 2nd ed.4 적응형 선형뉴런과 학습의 수렴 아달린 - 퍼셉트론의 향상된 버전 연속함수로 비용 함수를 정의하고 최소화하는 핵심 개념을 보여준다. 아달린 규칙(위드로우-호프 규칙)과 퍼셉트론의 가장 큰 차이점은 가중치를 업데이트 하는데 퍼셉트론처럼 단위 함수 대신 선형 활성화 함수를 사용하는 것이다. 선형 활성화 함수 ϕ(z)는 최종입력과 동일한 함수이다. 아딜린 알고리즘은 진짜 클래스 레이블과 선형 활성화 함수의 실수 출력 값을 비교하여 모델의 오차를 계산하고 가중치를 업데이트 한다. 퍼셉트론은 진짜 클래스 레이블과 예측클래스끼리만 비교한다. 경사하강법으로 비용 함수최소화 지도 학습 알고리즘의 핵심 구성 요소는 학습 과정 동안 최적화하기 위해 정의한 목적함수이다. 보통 비용함수가 목적 함수가 된다. 비용 함수 — 실수를 최소화하기 위해 학습자가 행.. 2021. 6. 10. 퍼셉트론 학습 알고리즘 구현 객체 지향 퍼셉트론 API 객체 지향 방식을 사용한 퍼셉트론 인터페이스를 가진 파이썬 클래스를 만들어보자! perceptron 객체를 초기화한 후 fit 메서드로 데이터에서 학습하고 별도의 predict 메서드 로 예측을 만든다. rgen은 넘파이 난수 생성기로 사용자가 지정한 랜덤 시드로 이전과 동일한 결과를 얻을수 있다고 한다. 가중치가 0으로 초기화 되어 있다면 학습률 파라미터 eta는 가중치 벡터의 방향이 아니라 크기에만 영향을 미친다. fit 메서드는 가중치를 초기화한 후 훈련 세트에 있는 모든 개개의 샘플을 반복 순회하면서 이전절에서 설명한 퍼셉트론 학습규칙에 따라 가중치를 업데이트 한다. a.dot(b)나 np.dot(a,b)처럼 넘파이를 사용하여 배열 a,b 사이의 백터 점곱을 대신 파이썬.. 2021. 6. 3. 간단한 분류/ 알고리즘 훈련! 목차 머신러닝 알고리즘 직관적 이해 pandas, numpy, matplotlib으로 읽기, 처리, 시각화 python으로 선형 분류 알고리즘 구현 인공뉴런 - 초기 머닝러신 신경세포의 방식을 모방하여 이진 출력을 내는 논리 회로로 구성하는게 머신러닝의 초기 단계라고 할수 있다. 인공 뉴런의 수학적 정의 퍼셉트론 학습 규칙 퍼셉트론의 모델은 환원주의(복잡하고 추상적인 개념을 더 단순한 요소로 정의 할 수 있다.)의 접근 법이라고 한다. 즉, 출력을 내거나 내지 않는 두가지(0,1)경우만 있다. 학습규칙은 다음과 같다. 1. 가중치를 0또는 랜덤한 작은 값으로 초기화 한다. 2. 각 훈련 샘플 x(i)에서 다음 작업을 한다.(i는 i번째 훈련샘플) a. 출력값 y(i)를 계산한다. b. 가중치를 업데이트 .. 2021. 5. 29. 개요 머신러닝의 일반적 개념 이해하기 세 종류의 학습과 기본 용어 알아보기 성공적인 머신러닝 시스템을 설계하는 필수 요소 알아보기 데이터 분석과 머신러닝을 위한 파이썬을 설치하고 설정하기 머신러닝의 세종류 지도학습 레이블된 데이터, 직접 피드백, 출력 및 미래예측 비지도학습 레이블 및 타깃 없음, 피드백 없음, 데이터에서 숨겨진 구조 찾기 강화학습 결정과정, 보상시스템, 연속된 행동에서 학습 지도학습 분류(classification) 과거의 관측을 기반으로 새로운 샘플의 범주(category)형 클래스 레이블을 예측하는 것. 클래스 레이블은 이산적이고 순서가 없어 샘플이 속한 그룹으로 이해가 가능하다. 종류는 이진분류(2개), 다중분류(3개 이상) 이 있다. 회귀(Regression) 연속적인 출력 값을 예측.. 2021. 5. 25. 이전 1 다음 반응형
