본문 바로가기

AI: ML,DL

 (12)
[인공지능] 특성 공학과 규제(다중 회귀, 릿지, 라쏘) 개요 이전 포스팅에서 다항 회귀를 통해 농어의 무게를 어느 정도 예측할 수 있었으나, 훈련 세트보다 테스트 세트의 결정계수가 높아 과소 적합한게 문제였다. 다중 회귀 이전 포스팅들에서는 하나의 특성을 사용하여 선형 회귀 모델을 훈련시켰다. 이와 다르게 여러 개의 특성을 사용한 선형 회귀를 다중 회귀라고 부른다. 만약 2개의 특성을 사용하게 될 경우 선형 회귀는 평면을 학습하게 된다. 우측 평면은 선형 회귀 방정식인 Y = a * X1 + b * X2 + 절편 으로 정리된다. 만약 특성이 3개일 경우는 3차원이기 때문에 그리거나 상상할 수 없다. 하지만 선형 회귀를 특성이 많은 고차원에서도 적용할 수 있다. 다음 예제에서는 농어의 길이, 높이, 두께 3가지 특성을 고려하여 무게를 예측하려고 한다. 그리고,..
[인공지능] 회귀: k-최근접 이웃 회귀 회귀 지도 학습 알고리즘은 크게 회귀와 분류로 나뉜다. 분류는 이전 포스팅에서 다루었다. 샘플을 몇 개의 클래스 중 하나로 분류하는 문제이다. 회귀는 클래스로 분류하는 것이 아닌 어떤 숫자를 예측하는 문제이다. 예를 들어, 내년 경제 성장률, 배달 도착 시간 등의 예측이 존재한다. k-최근접 이웃 회귀 이전의 k-최근접 이웃 분류의 경우 알고리즘이 간단하다. 데이터 근처에 많은 샘플 존재하는 클래스를 택하면 된다. k-최근접 이웃 회귀의 경우도 비슷하다. 주변 데이터를 선택하고 그 데이터 값을 평균을 내어 값을 예측한다. 예제: 농어의 길이로 무게를 예측하기 농어의 길이가 특성이되고, 무게는 타깃이 된다. 길이와 무게 데이터로 산점도 그리기 import numpy as np perch_length = n..
[인공지능] 데이터: 훈련 세트와 테스트 세트, 데이터 전처리 지도 학습과 비지도 학습 머신러닝 알고리즘은 크게 지도 학습과 비지도 학습으로 나뉜다. 지도 학습에서는 데이터와 정답을 입력과 타깃이라고 부르고 이 둘을 합쳐 훈련 세트라고 한다. 그리고 입력으로 사용된 데이터의 길이, 무게와 같은 자료를 특성이라고 한다. 그리고 실제 평가에 사용하는 데이터를 테스트 세트라고 한다. 가장 간단한 방법은 전체 데이터 중 일부를 훈련 세트, 일부를 테스트 세트로 활용할 수 있다. numpy와 scikitlearn을 활용하여 전체 데이터를 훈련/테스트 세트로 나누기 fish_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33..
[인공지능] 머신러닝, 딥러닝 개요 인공지능 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술을 의미한다. 실제 사람처럼 행동하는 것을 강인공지능이라 하고 사람을 도와 보조적인 역할을 하는 것을 약인공지능이라고 한다. 머신러닝 머신러닝은 규칙을 일일이 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야이다. 통계학과 깊은 관련이 잇다. 대표적으로 사이킷런(scikit-leran)이라는 머신러닝 라이브러리가 존재한다. 딥러닝 딥러닝은 많은 머신러닝 알고리즘 중 인공 신경망(Artificial Neural Network)을 기반으로한 방법을 통칭한다. 유명한 라이브러리로는 텐서플로(Tensorflow), 파이토치(PyTorch)가 있다. 가장 간단한 머신러닝 예시 시장에서 '도미', '곤..

티스토리툴바