오늘부터 시작합니둥 ~~~~ stepania99
![](http://i1.daumcdn.net/thumb/C148x148/?fname=https://blog.kakaocdn.net/dn/bW712P/btrPYEMlnyJ/5rbZMtxb0yDeZIwuntZzt1/img.png)
https://color.adobe.com/ko/create/image https://color.adobe.com/ko/create/image color.adobe.com 1. #EB05F6 #AA2EF6 #7738FB #5283F9 #38C7FC 2. #FE0166 #D9048E #7503A6 #4804D9 #0000FE 3. #FF0080 #37648C #36BFBF #39E9C6 #01E8BA 4. #E83DB5 #B534DE #8625F0 #8B96F2 #18F6FF 5. # 00FF00 6. #D60D13 #DBFF59 #99A63C #92C6BF #F2F2F2
![](http://i1.daumcdn.net/thumb/C148x148/?fname=https://blog.kakaocdn.net/dn/bhOTdw/btrPP6QWZcZ/qVhziCDHFFau7qAWU3HuqK/img.png)
🎯 가중치를 변경하는 방법 1. Full batch learning 2. 온라인 학습 3. Mini batch 학습 (확률적 경사 하강법) import numpy as np import tensorflow as tf # 데이터를 학습 데이터와 테스트 데이터로 나눈다. (x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data() data_size = x_train.shape[0] batch_size = 12 # batch 크기 selected = np.random.choice(data_size, batch_size) # batch 크기만큼 랜덤하게 선택 print(selected) x_batch = x_train[selected] y..
![](http://i1.daumcdn.net/thumb/C148x148/?fname=https://blog.kakaocdn.net/dn/ct2XcW/btrPK03LoYS/fARJkj3qS5K4rHbyhtKV5k/img.png)
🎯 퍼셉트론 학습 알고리즘 Python으로 퍼셉트론 구현하기 import numpy as np def step_func(t): # 퍼셉트론의 활성화 함수 if t > 0.: return 1 else: return 0 X = np.array([ # 훈련 데이터 세트 [0, 0, 1], # 맨 끝의 1은 바이어스를 위한 입력 신호 1이다. [0, 1, 1], [1, 0, 1], [1, 1, 1] ]) y = np.array([0, 0, 0, 1]) # 정답을 저장하는 넘파이 행렬 W = np.zeros(len(X[0])) # 가중치를 저장하는 넘파이 행렬 def perceptron_fit(X, Y, epochs=10): # 퍼셉트론 학습 알고리즘 구현 global W eta = 0.2 # 학습률 for t ..
![](http://i1.daumcdn.net/thumb/C148x148/?fname=https://blog.kakaocdn.net/dn/lzdXF/btrPJGLguP7/4Qy4vUinG8sTl6FZYaJQ40/img.png)
🎯 선형 회귀란? - 종속 변수 y와 한 개 이상의 독립 변수 (또는 설명 변수) X와의 선형 상관 관계를 모델링하는 회귀분석 기법 - 입력 데이터를 가장 잘 설명하는 기울기와 절편값을 찾는 문제 1. 단순 선형 회귀 분석 (Simple Linear Regression Analysis) f(x) = wx + b - 기울기 -> 가중치 (weight) - 절편 -> bias 2. 다중 선형 회귀 분석 (Multiple Linear Regression Analysis) ex) 🎯 손실 함수 (loss function) / 비용 함수 (cost function) - 직선과 데이터 사이의 간격을 제곱하여 합한 값으로 예측값과 실제값에 대한 오차를 줄이기 위해 사용 🎯선형 회귀에서 손실 함수 최소화 방법 1. 최..
![](http://i1.daumcdn.net/thumb/C148x148/?fname=https://blog.kakaocdn.net/dn/quLyy/btrPI6wLsbg/gcFw2307R784bkmOJk3Lgk/img.png)
🎯 Machine Learning 이란? 인공지능의 하위 집합으로, 학습과 개선을 위해 명시적으로 컴퓨터를 프로그래밍하는 대신, 컴퓨터가 데이터로 학습하고 경험을 통해 개선하도록 훈련하는 학습 예를 들어, 전통적인 프로그래밍 방식에서는 강아지를 인식할 수 있는 프로그램을 작성하지만, 머신러닝에서는 단순히 많은 수의 동물 사진을 제공하며 어떤 사진이 강아지인지 알려주므로 머신러닝 시스템 스스로 사진에서 강아지를 인식할 수 있도록 만드는 것이다. 🎯 머신러닝의 종류 1. 지도 학습 (Supervised Learning) - 컴퓨터는 예제(sample)와 정답(label)을 제공받는다. - 지도 학습의 목표는 입력을 출력에 매핑하는 일반적인 규칙(함수, 패턴)을 학습하는 것이다. - 예를 들어, 강아지와 고양..