Theory/Deep Learning7 인공지능 기초 개념 머신러닝 데이터를 사용해서 기계가 스스로 학습하는 방식 지도 학습, 비지도 학습, 강화 학습으로 구분 딥러닝 머신러닝의 기법 중 하나 지도 학습 정답이 있는 데이터를 이용하여 인공지능이 스스로 학습 분류에 사용 (이진 분류, 다중 분류) 회귀(연속적인 값을 예측)에 사용 데이터의 정답(레이블)이 있는 경우 사용 비지도 학습 지도 학습이 아닌 학습 정답이 없는 데이터를 이용하여 인공지능이 스스로 학습 정답이 없는 데이터에서 그 데이터의 특징을 찾아서 스스로 구분 지도 학습을 보완해주는 역할 군집화, 차원 축소에서 사용 군집화 데이터를 여러 그룹으로 묶는 것 추천 시스템, 알고리즘 등에 사용 차원 축소 데이터의 여러 특징들을 살펴보고 가장 대표적인 특징만 뽑아내는 것 차원은 데이터의 특징을 의미 강화 학습 .. 2023. 12. 23. 07 모델 성능 검증하기 실습 초음파 광물 예측하기 colab에서 실습 [데이터의 확인과 예측 실행] # pandas 라이브러리를 불러옵니다. import pandas as pd # 깃허브에 준비된 데이터를 가져옵니다. !git clone https://github.com/taehojo/data.git # 광물 데이터를 불러옵니다. df = pd.read_csv('./data/sonar3.csv', header=None) df.head() # 첫 다섯 줄을 봅니다. 전체가 61개의 열로 구성 마지막 열은 광물의 종류 표시 일반 암석은 0, 광석은 1로 표시 첫 번째 열부터 60번째 열까지는 음파 주파수의 에너지를 0에서 1 사이의 숫자로 표시 df[60].value_counts() 광석이 111개, 일반 암석이 97개 총 208개의 .. 2023. 7. 11. 05 다중 분류 문제 해결하기 실습 다중 분류 참(1)과 거짓(0)으로 해결하는 것이 아니라, 여러 개 중에 어떤 것이 답인지 예측하는 문제 아이리스 품종 예측 실습 colab에서 실습 [상관도 그래프] import pandas as pd # 깃허브에 준비된 데이터를 가져옵니다. !git clone https://github.com/taehojo/data.git # 아이리스 데이터를 불러옵니다. df = pd.read_csv('./data/iris3.csv') df.head() # 첫 다섯 줄을 봅니다. import seaborn as sns import matplotlib.pyplot as plt # seaborn 라이브러리의 pairplot() 함수를 써서 전체 상관도를 볼 수 있는 그래프 출력 # 품종에 따라 보여지게 지정 sns.p.. 2023. 7. 3. 04 데이터 다루기 실습 (Pandas, Matplotlib, Seaborn) 판다스(Pandas) 딥러닝을 다루기 위한 1단계는 데이터를 파악하는 것 데이터를 시각화해서 눈으로 직접 확인해 보는 방법이 유용 판다스 라이브러리는 넘파이 기능을 포함하면서도 다양한 포맷의 데이터를 다룰 수 있음. 맷플롯립(Matplotlib) 파이썬에서 그래프를 그릴 때 사용되는 라이브러리 시본(Seaborn) 맷플롯립을 기반으로 조금 더 정교한 그래프를 그리게 해주는 라이브러리 피마 인디언 데이터 분석 실습 colab에서 실습 [판다스를 활용한 데이터 조사] # 필요한 라이브러리를 불러옵니다. import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # 깃허브에 준비된 데이터를 가져옵니다. !git clone https://.. 2023. 7. 2. 이전 1 2 다음
