개인학습 기록용입니다
[LECTURE] 1-1. 케라스 소개와 머신러닝 : edwith
- eom
www.edwith.org
유투브 클론코딩과 동시에 진행할 내 프로젝트. 일단 AI 딥러닝 독학하기로 했다
뭐가 좋을진 모르겠어서 무료로 공개된 부산대학교 육동철 교수님의 딥러닝 강의를 수강하기로 했다
#머신러닝
: 입력들을 결합하여 이전에 본 적 없는 데이터를 통해 예측과 분류를 함
(1). 지도학습: 입력, 정답
ex)분류하고 예측
4살짜리 조카 한 명 데려와서 고양이와 개와 루돌프와 햄스터를 가르쳐준다고 생각하자
처음엔 사람말을 못하고, 전신에 털이있고, 네 발로 다니는 건 동물이라 가르쳐 줄거다
(2). 비지도 학습: 입력
ex) 이미지, 자연어처리처럼 어떻게 구성할지 분석
그래 이미지를 분류하고 자연어도 인식에 따라 얘네를 어떻게 기록할 건지 생각하겠지
내 조카는 네발로 걷는 털달린 짖는 것들을 인식하는데 그들 중에서도 집단마다 차이점이 있다는 걸 느끼게된다
(3). 강화학습
ex) 피드백(맞다, 아니다)를 통해 최적 동작 학습
내 조카는 고양이를 데리고 와선 '강아지!'라고 하면 아닌데. 라고 말해주면 된다
#데이터셋 용어
(1) 데이터셋
: 데이터표, 첫 행에 분류기준을 적는 것이 기본
- 행 : 개체, 관측치, 기록, 사례, 경우
- 열 : 특성, 속성, 변수
| name | class | day |
| kim | 2 | 2000.01.01 |
| hong | 1 | 1999.12.12 |
(2) 변수
- 독립변수: 원인, 설명변수, 예측변수
- 종속변수: 결과, 반응변수, 결과변수
(3) Example, Sample, Instance, Data Point
차후 정리
#모델 구성
(1) 선형 회귀(Linear Regression)
: 예측
- 입력이 하나 혹은 여러개(x) 들어오면, 그것이 무엇(y)인지 예측
(2) 로지스틱 회귀(Logistic Regression)
: 분류
- 이진분류(Bineray Classification) : 거짓과 참, 0과 1로 분류
(3) 소프트맥스 회귀
: 분류
- 다중 클래스 분류(Multi-Class Classification): 3가지 이상으로 분류, 강아지인지 고양이인지
- 독립변수, 종속변수 동시 입력됨 > 실제값과 비교 > 예측값을 가장 가까운 곳으로 분류