💿 Data

[TIL]75. 신경망 개념 정리

스스로 용어 정리해보기 Neuron: 신경계를 이루는 기본 단위. 신경 세포와 신경 조직을 이루고 있으며 인공 신경망(Neural Network) 동작 원리의 기초가 됩니다. Input Layer: 인공 신경망에서 데이터를 입력받는 층. 데이터의 특성 갯수가 곧 입력층의 노드 수가 됩니다. 또한, 다른 층과 달리 입력층은 말그대로 '데이터를 입력받는 역할'로만 작용합니다. Hidden Layer: 은닉층. 입력층과 출력층 사이에 있는 모든 층을 은닉층이라 부릅니다. 퍼셉트론의 기본 구조인 '가중합 연산' 및 '활성화 함수'로 구성되어있습니다. 노드 수는 우리가 임의로 설정 가능하며 주로 'relu'가 활성화 함수로 사용됩니다. 노드에서 일어나는 복..

[딥러닝]하이퍼 파라미터 튜닝(sklearn의 RandomizedSearchCV, keras_tuner의 RandomSearch)

RandomSearch를 이용한 하이퍼 파라미터 튜닝 0. 데이터 불러오기 및 Normalization # 데이터 불러오기 from tensorflow.keras.datasets import mnist (X_train, y_train), (X_test, y_test) = mnist.load_data() # input 및 target 데이터 확인 X_train.shape set(y_train) # Normalization X_train = X_train / 255. X_test = X_test / 255. 1. 모델링 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Flatten, Dropout..

[딥러닝]keras_cifar100 이용한 간단 신경망 및 과적합 방지, 하이퍼파라미터 튜닝

0) 데이터 불러오기 및 확인, Normalization import numpy as np import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Flatten, Dropout from tensorflow.keras.optimizers import Adam from tensorflow.keras import regularizers # 데이터 불러오기 from tensorflow.keras.datasets import cifar100 (X_train, y_train), (X_test, y_test) = cifar100.load_data() # 데이터 shape..

[딥러닝]간단 신경망 및 머신러닝 모델링, 성능 비교

0) 데이터 확인 및 전처리 # 데이터 불러오기 import tensorflow as tf boston_housing = tf.keras.datasets.boston_housing (X_train, y_train), (X_test, y_test) = boston_housing.load_data() # 데이터 셋 shape 확인 X_train.shape # 데이터 특성 scale 맞추기 from sklearn.preprocessing import StandardScaler scaler = StandardScaler() X_train_scaled = scaler.fit_transform(X_train) X_test_scaled = scaler.transform(X_test) 1) 신경망 모델 model = ..

[TIL]74. 신경망 - Hyper parameter

키워드 교차 검증(Cross_Validation) Grid_Search, Random_Search Scikit-learn/Keras Tuner 파라미터 vs 하이퍼파라미터 파라미터 : 매개변수, 모델 내부에서 결정되는 변수, 데이터로부터 결정되는 값 ex) 평균, 표준편차, 회귀계수, 가중치, 편향 등 하이퍼 파라미터 : 모델링 시 사람이 직접 세팅해주는 값, 종류가 굉장히 많음 ex) 학습률, epoch, 옵티마이저, 활성화 함수 등 즉, 사람이 결정하느냐 안하느냐에 따라 나뉘어집니다. 참고 Cross Validation(K fold) 머신러닝에서 교차검증(Cross-Validation ; CV)을 이용하여 최적의 하이퍼파라미터를 탐색하듯, 당연히 머신러닝 범주에 속하는 딥러닝도 가능(오히려 더 많은 ..