SVM 박유성 교수님의 통계적머신러닝 강의와 김성범 교수님의 핵심머신러닝 강의를 기반으로 학습한 기록이다.

의사결정나무 모델 박유성 교수님의 통계적머신러닝 강의와 김성범 교수님의 핵심머신러닝 강의를 기반으로 학습한 기록이다.

https://untitledtblog.tistory.com/150 [머신 러닝/딥 러닝] 합성곱 신경망 (Convolutional Neural Network, CNN)과 학습 알고리즘 1. 이미지 처리와 필터링 기법 필터링은 이미지 처리 분야에서 광범위하게 이용되고 있는 기법으로써, 이미지에서 테두리 부분을 추출하거나 이미지를 흐릿하게 만드는 등의 기능을 수행하기 untitledtblog.tistory.com 이미지데이터를 다룰 때 CNN이 사용된다. 행렬형태로 데이터를 입력받아 정보 손실이 적기 때문이다. 또한 필터들을 모수화 (parameterization)할 수 있을 정도의 model parameter만 필요하며, CNN의 마지막 fully-connected layer는 원본 이미지가 아닌 풀링 ..

추천시스템에는 콘텐츠 기반 필터링(content based filtering), 협업 필터링(collaborative filtering) 이 있다. 최근에는 협업 필터링이 많이 사용되고 있다. 또 협업 필터링은 최근접 이웃기반 협업 필터링과 잠재요인 협업 필터링을 나뉜다. 사용자가 아이템에 남긴 평점, 구매이력 등의 사용자 행동양식을 기반해주는 것이다. 최근접 이웃기반 협업 필터링은 유사한 아이템, 또는 사용자에 기반해 추천해주는 시스템이다. 잠재요인 협업 필터링은 행렬분해(matricx factorization)에 기반한다. 대규모 다차원 행렬을 SVD와 같은 차원 감소 기법으로 분해하는 과정에서 잠재요인을 찾아내 뽑아내는 과정이다. 사용자-아이템 행렬을 사용자-잠재요인, 잠재요인-아이템 행렬로 분해한..

정리 import numpy as np np.array([1,2,5]) #numpy 생성 np.array(list_name) #numpy로 전환 np.array.size #개수 np.array.shape #차원,개수 np.random.random #임의의 값 np.arange(6) # 0부터 5 np.arange(2,7) #2부터 6까지 np.arange(3, 17, 3) #3부터 16까지 간격3 불린 np.array > 4 #T,F 결과 나옴 np.where #T의 위치값 반환 기본통계 print(array1.max()) # 최댓값 print(array1.min()) # 최솟값 print(array1.mean()) # 평균값 print(np.median(array2)) # 중앙값 print(array1..

Softmax Classification 다중 분류기 클래스가 여러개인 것을 분류하기 위해 소프트맥스를 사용한다. 이중분류기를 활용해서 0,1을 반복하는 방식으로 구현할 수 있다. 예를 들어 A,B,C 로 분류한다면, 질문3번을 통해서 분류할 수 있다. "C or not", "A or not", "B or not " 소프트맥스 함수는 함수에 들어오는 값들을 확률값으로 바꿔주는 기능을 한다. 클래스가 여러개 이기 때문에 sigmoid 가져왔을 때, 0.5보다 큰 값인지 확인하고 또 "얼마나" 큰 값 인지도 알아야한다. 과정을 정리하면 Model 에 sigmoid 함수를 씌어주고 softmax 함수를 사용해 확률값으로 바꾸고 one-hot encoding으로 확률값 중에 가장 높은 클래스를 선택해 해당 클래..