딥러닝19 [머신러닝]04-3.TensorFlow로 파일에서 데이터 읽어 오기 ※본 포스팅은 직접 강의하는 내용이 아닌, 김성훈 교수님의 머신러닝 강의를 정리하기 위한 포스팅입니다.김성훈 교수님의 강의는 모두를 위한 머신러닝/딥러닝(http://hunkim.github.io/ml)에서 들을 수 있습니다. 지난 강의에서 여러 개의 입력 값이 있을 때 Linear Regression을 Tensorflow로 구현하는 방법을 공부했다. 입력 데이터가 많아지니, 소스 코드에 직접 써서 학습하기가 어렵다. 1,000개, 10,000개가 넘어가면 사실상 불가능해진다. 그래서 데이터를 텍스트로 정리를 한다. 보통 csv 파일을 많이 사용한다. 참고) CSV(comma-separated values)는 몇 가지 필드를 쉼표(,)로 구분한 텍스트 데이터 및 텍스트 파일이다. 확장자는 .csv 4-3.. 2018. 7. 24. [머신러닝]04-2.multi-variable linear regression TensorFlow 구현 ※본 포스팅은 직접 강의하는 내용이 아닌, 김성훈 교수님의 머신러닝 강의를 정리하기 위한 포스팅입니다.김성훈 교수님의 강의는 모두를 위한 머신러닝/딥러닝(http://hunkim.github.io/ml)에서 들을 수 있습니다. 실습예제 X1(quiz 1) X2 (quiz 2) X3 (midterm1) Y(final) 73 80 75 152 93 8893 185 89 91 90 180 96 98 100 196 73 6670 142 quiz1, quiz2, midterm1의 성적으로 Final score 예측하기 4-1.기존의 방식대로 연산# Lab 4 Multi-variable linear regression import tensorflow as tf tf.set_random_seed(777) # for .. 2018. 7. 23. [머신러닝]04-1.여러개의 입력(feature)의 Linear Regression ※본 포스팅은 직접 강의하는 내용이 아닌, 김성훈 교수님의 머신러닝 강의를 정리하기 위한 포스팅입니다.김성훈 교수님의 강의는 모두를 위한 머신러닝/딥러닝(http://hunkim.github.io/ml)에서 들을 수 있습니다. 여러개의 입력 값으로 Linear RegressionX1(quiz 1) X2 (quiz 2) X3 (midterm1) Y(final) 73 80 75 152 93 88 93 185 89 91 90 180 96 98 100 196 73 66 70 142 학습목표 : Quiz1, Quiz2, Midterm의 성적이 있을 때 Final score를 예측하는 것 Hypothesis Cost functioncost function의 핵심은 우리가 예측한 값과 실제 값의 차이이와 같이, 입력.. 2018. 7. 16. [머신러닝]03-2.Linear Regression의 cost 최소화 Tensorflow 구현 ※본 포스팅은 직접 강의하는 내용이 아닌, 김성훈 교수님의 머신러닝 강의를 정리하기 위한 포스팅입니다. 김성훈 교수님의 강의는 모두를 위한 머신러닝/딥러닝(http://hunkim.github.io/ml)에서 들을 수 있습니다. 3-1.Cost 함수 그래프 보기 # Lab 3 Minimizing Cost import tensorflow as tf import matplotlib.pyplot as plt tf.set_random_seed(777) # for reproducibility X = [1, 2, 3] Y = [1, 2, 3] W = tf.placeholder(tf.float32) # Our hypothesis for linear model X * W hypothesis = X * W # cost/.. 2018. 7. 11. [머신러닝]03-1.Linear Regression의 cost 최소화 알고리즘 ※본 포스팅은 직접 강의하는 내용이 아닌, 김성훈 교수님의 머신러닝 강의를 정리하기 위한 포스팅입니다.김성훈 교수님의 강의는 모두를 위한 머신러닝/딥러닝(http://hunkim.github.io/ml)에서 들을 수 있습니다. Linear Regression의 cost 함수 목표는 cost를 최소화하는 값 W와 b를 찾는 것이다. cost 함수는 어떻게 생겼을까?cost 함수의 그래프를 그리면 위와 같은 모습이 된다.이 그래프에서 cost 함수를 최소화하는 W와 b를 찾기위해 경사하강법 알고리즘(Gradient descent algorithm)을 사용한다. Gradient descent algorithm(경사하강법 알고리즘)cost 함수를 최소화하는 알고리즘다양한 최소화 문제에 사용됨cost(W,b) 함.. 2018. 7. 9. [머신러닝]02-2.Linear Regression 실습 ※본 포스팅은 직접 강의하는 내용이 아닌, 김성훈 교수님의 머신러닝 강의를 정리하기 위한 포스팅입니다.김성훈 교수님의 강의는 모두를 위한 머신러닝/딥러닝(http://hunkim.github.io/ml)에서 들을 수 있습니다. 1.Building graph using TF operation# Lab 2 Linear Regression import tensorflow as tf tf.set_random_seed(777) # for reproducibility # Try to find values for W and b to compute y_data = W * x_data + b # We know that W should be 1 and b should be 0 # But let's use TensorFlo.. 2018. 7. 3. [머신러닝]02-1.Linear Regression의 개념 ※본 포스팅은 직접 강의하는 내용이 아닌, 김성훈 교수님의 머신러닝 강의를 정리하기 위한 포스팅입니다.김성훈 교수님의 강의는 모두를 위한 머신러닝/딥러닝(http://hunkim.github.io/ml)에서 들을 수 있습니다. Linear Regression(선형회귀)란?종속 변수 y와 한 개 이상의 독립 변수(또는 설명 변수) X와의 선형 상관 관계를 모델링하는 회귀분석기법ex) 한 학생이 7시간을 공부했을 때 몇 점을 받을지에 대한 예측(Supervised Learning)x(hours) y(score) 10 90 9 80 3 50 2 30 7? (Linear) Hypothesis(가설) 세우기세상에는 Linear로 설명할 수 있는 관계가 많다ex) 공부시간과 성적의 관계, 집의 넓이와 가격의 관계 .. 2018. 7. 2. [머신러닝]01-2.Tensorflow의 기본 ※본 포스팅은 직접 강의하는 내용이 아닌, 김성훈 교수님의 머신러닝 강의를 정리하기 위한 포스팅입니다.김성훈 교수님의 강의는 모두를 위한 머신러닝/딥러닝(http://hunkim.github.io/ml)에서 들을 수 있습니다. Tensorflow란?구글에서 만든 오픈소스 라이브러리머신러닝을 위한 라이브러리는 많지만, Tensorflow가 압도적인 1등(new contributors, new forks, new issues 기준 등)Data flow graphs를 사용하여 수치적으로 연산Python을 사용 Data flow graph란?노드(Node)와 엣지(Edge)로 연결된 것이 그래프노드(Node) : 하나의 연산(더하기, 곱하기 등)엣지(Edge) : 데이터(Tensor)의 연결 Tensorflow.. 2018. 6. 25. [머신러닝]01-1.머신러닝의 개념과 용어 ※본 포스팅은 직접 강의하는 내용이 아닌, 김성훈 교수님의 머신러닝 강의를 정리하기 위한 포스팅입니다.김성훈 교수님의 강의는 모두를 위한 머신러닝/딥러닝(http://hunkim.github.io/ml)에서 들을 수 있습니다. 머신러닝은 무엇인가?일종의 소프트웨어, 프로그램Explicit(명시적) programming의 한계로 인해 제안, 발전 ex) 스팸 필터 : 많은 규칙 / 자율 주행 : 아주 많은 규칙 →개발자가 일일히 프로그래밍 할 수 없다. 프로그램이 학습해서 스스로 정하도록 개발 러닝(학습)은 무엇인가?Supervised learning(지도 학습) : 정해져 있는 데이터(labeled examples, training data set)로 학습 ex) 고양이 사진들을 주고 학습시키고, 사진이.. 2018. 6. 24. 이전 1 2 3 다음
