다시바람

딥러닝 모델 구성요소 - 가중치(weight): 노드간의 연결 강도 - Node/Unit: 각 층을 구성하는 요소 - Layer: 모델을 구성하는 층 순전파: 입력값을 바탕으로 출력값 계산하는 과정 loss function을 최소화하는 가중치 가져야함. 이를 최적화 시키는 방법 => Gradient Descent Gradient Descent(경사하강법) : 가중치를 Loss Function 값이 작아지게 업데이트 하는 방법 : Gradient(미분) 값을 사용해 업데이트를 수행 : Gradient 값은 각 가중치마다 정해지고 Backpropagation(역전파)을 통해 구할 수 있음 - Backpropagation: Forward Propagation(순전파)의 반대 방향 - 딥러닝 모델의 학습 순서 ..

딥러닝 - 머신러닝의 여러 방법론 중 하나로, 인공신경망에 기반하여 컴퓨터에게 사람의 사고방식을 가르치는 방법 인공신경망 - 생물학의 신경망에서 영감을 얻은 학습 알고리즘(사람의 신경 시스템 모방) 퍼셉트론 - 기본구조 입력값(x1, x2) / 가중치(w1, w2) / w0(bias) / y(출력 값) y = activation(w0 + w1x1 + w2x2) 활성화 함수 activation(x) = 1 (x >=0) , 0 (x 다층 퍼셉트론 다층 퍼셉트론 - 다층 퍼셉트론: 단층 퍼셉트론을 여러 개 쌓은 것(I..

Pandas : 구조화된 데이터를 효과적으로 처리하고 저장 : Array 계산에 특화된 NumPy를 기반으로 설계 Series : numpy의 array가 보강된 형태 : Data와 Index를 가지고 있음 Series는 값을 ndarray형태로 가지고 있음 print(type(data)) --> print(type(data.values)) --> dtype인자로 데이터 타입을 지정할 수 있음 data = pd.Series([1, 2, 3, 4], dtype = "float") print(data.dtype) --> float64 인덱스를 지정할 수 있고 인덱스로 접근 가능 data = pd.Series([1, 2, 3, 4], index = ['a', 'b', 'c', 'd']) data['c'] = ..

Numpy를 사용하는 이유 --> 반복문 없이 배열 처리 가능함. --> 리스트에 비해 빠른 연산을 지원하고 메모리를 효율적으로 사용가능하다. list 배열 생성 list(range(5) --> [0, 1, 2, 3, 4] 생성 타입은 list numpy 배열 생성 numpy 호출: import numpy as np np.array(range(5)) --> [0 1 2 3 4] 생성 (공백으로 구분됨) print(type(np.array(range(5)))) --> 생성 - numpy는 같은 데이터 타입만 저장 가능 arr = np.array([0, 1, 2, 3, 4], dtype=float)) print(arr) --> [0. 1. 2. 3. 4. ] print(arr.dtype) --> 'float..

Q.Universal Bank 데이터를 가지고 해당 고객에게 대출의 허용여부를 결정 먼저 필요한 라이브러리 import import os import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline UniversalBank Data 가져오기 dataBank = pd.read_csv("C:/AI_2022/Untitled Folder/UniversalBank.csv", encoding = 'utf-8') dataBank --> 5000개의 데이터를 가져온 것을 볼 수 있다. # 1. 불필요하다고 판단되는 변수 제거 dataBank = dataBank.drop(['ID',..