Techbrad

인공 신경망의 입력데이터로는 1차원의 데이터가 필요. 한 장의 컬러사진은 3차원, 여러 장은 4차원이기 때문에 다차원의 데이터를 1차원의 데이터로 변환해야한다. 차원을 줄이기 때문에 공간정보가 손실이 되는데 공간정보를 유지한채 학습하는 모델이 CNN이다. 예제로 mnist 데이터의 형태를 보면 28 X 28 이미지가 60,000개가 있는 3차원 데이터로 되어 있다. (색깔이 추가되면 4차원 가능) CNN은 다차원의 데이터를 Convolution layer와 Subsampling layer의 반복하면서 이미지의 크기와 공간을 줄여가며 1차원의 데이터로 표한하게 됩니다. 위의 Convolution쪽을 케라스(Keras)로 살펴보자면 아래의 코드와 같다. 처음에 Conv2D(32, (3, 3)은 28, 28,..

Decision Tree 를 통한 붓꽃 분류 import sklearn import pandas as pd from sklearn.datasets import load_iris #데이터셋 from sklearn.tree import DecisionTreeClassifier #ML분류알고리즘 from sklearn.model_selection import train_test_split #학습, 테스트 데이터 분류 iris = load_iris() iris_data = iris.data iris_label = iris.target #dataframe으로 변환 iris_df = pd.DataFrame(data=iris_data, columns=iris.feature_names) #라벨 칼럼추가 iris_df[..

지난번 R를 활용한 KNN 실습을 해보았고 이번에는 Python 언어를 활용하여 KNN 실습을 하였다. R를 활용한 KNN 실습 (iris 데이터) KNN 인접 기법 (k-nearest neighbor) KNN는 머신러닝 기법 중의 한가지로 값을 분류하는 알고리즘이다. 분류와 군집은 비슷해 보이지만 목표값을 알고 분석하는 것은 분류(지도학습), 목표값을 모르고 techbrad.tistory.com 실습 과정은 데이터의 분포를 먼저 살펴보고 적절한 K를 찾아 KNN 알고리즘을 활용하여 모델을 만들어 보고자 한다. Python 코드 사용한 라이브러리 및 기본 데이터 셋팅 import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from ..

KNN 인접 기법 (k-nearest neighbor) KNN는 머신러닝 기법 중의 한가지로 값을 분류하는 알고리즘이다. 분류와 군집은 비슷해 보이지만 목표값을 알고 분석하는 것은 분류(지도학습), 목표값을 모르고 유사한 것끼리 묶은 것을 군집(비지도학습)이라한다. KNN은 지도학습의 한가지 기법이며 Instance - based Learning 으로 모델을 생성하지 않고 데이터를 분류하는데 사용됩니다. 즉 모델을 생성하지 않고 주어진 데이터를 갖고 바로 분석하기 때문에 오랜 시간이 걸린다. KNN에 대해 그림으로 설명하지면 아래의 그림에서 보면 빨간색 점이 새로운 데이터라고 가정하자. 이를 Class A로 할지 Class B로 분류할지 막막하며 KNN은 K(주변 데이터의 수)값을 갖고 새로운 데이터를 ..