정착소

keras_logistic_regression_expert

%tensorflow_version 2.x import tensorflow as tf from tensorflow import keras import numpy as np from sklearn.datasets import load_iris x,y = load_iris(return_X_y=True) x.shape, y.shape, set(y) # 150개의 데이터, 클래스 k=3 → ((150, 4), (150,), {0, 1, 2}) #간단한 모델 simple_model = keras.Sequential() simple_model.add(keras.layers.Dense(3, activation=keras.layers.Softmax())) simple_model.compile(loss=keras.los..

gradientDescent

%tensorflow_version 2.x # 강제로 2.x 버전으로 사용하는 명령어 import tensorflow as tf tf.__version__ # 1.15도 실제로는 내부구현이 tensorflow 2.0과 동일 합니다. → '2.1.0' 경사하강법 : Gradient Descent Optimization 경사 : 미분하면 경사를 구할 수 있습니다. x = [1,2,3,4,5.0] # 실수를 만들기 위해 .0 하나 붙였습니다. y = [3,5,7,9,11.0] # y = x * x + b w = tf.Variable(10.0) # 변수 : 학습되는 파라미터, 초기값 1.0 b = tf.Variable(0.0) # 초기값 0 * tf.Variable() : 변수(학습 파라미터) for i in ..

Convolution

※Convolution 컨볼루션 cnn : 분류 및 검출에 많이 사용된다. import numpy as np import matplotlib.pyplot as plt np.convolve([1,2,3,],[1,1,1]) # (데이터, 필터) → array([1, 3, 6, 5, 3]) * convolve : 합성곱 # [0,0,1,2,3,0,0] # 좌우에 0 패딩을 2번 붙였다 np.sum(np.array([0,0,1]) * np.array([1,1,1])) → 1 # 패딩(padding) : convolution 레이어의 출력 데이터가 줄어드는 것을 방지하는 방법 # - 입력 데이터의 외각에 지정된 픽셀만큼 특정 값으로 채워 넣는 것 # - 필터가 하나 일때는 패딩이 필요가 없음 np.sum(np.a..

Multi-class

※ multi-class 클래스가 2개보다 많을 때 * 클래스 2개 초과 될때 2진 분류(클래스 2개일때)에서는 타겟(찾고 싶은 y)만 찾으려고 했따. x > model(x) = x의 클래스가 1일 확률, x 가 클래스 0일 확률 = 1 - p(x, y=1) 클래스 갯수 k=3 개다. model(x) = x가 클래스 0일 확률, x가 클래스 1일 확률, x가 클래스 2일 확률 import numpy as np def sigmoid(x): return 1 / (1+np.exp(-x)) np.exp(0), np.exp(1), np.exp(2) # exponencial 지수 함수 # exp와 ()사이에는 2.71이 있다. → (1.0, 2.7182818284590451, 7.3890560989306504) n..

분류2 classification

※ 분류 classification regression : Mse(Mean Square Error) : mean(square(Y:정답 - h:예측)) classification : Cross Entropy: Y * log(h), Y=(0, 1) * 머신러닝에 필요한 소양 3가지 프로그래밍 알고리즘 수학 import numpy as np # np.log10(10) / 해석 : 10은 log10의 1승이다. np.log10(0), np.log10(0.001), np.log10(10), np.log10(100), np.log10(1000) → (-inf, -3.0, 1.0, 2.0, 3.0) 2**2, 2**3, 2**4 → (4, 8, 16) 2**-1, 2**-2, 2**-3, 2**-4 → (0.5, 0..

분류 classification

※ 클래스가 2개 분인 2진(binary) 분류를 해봅시다. 0,1 분류 1 : 관심 타겟 ( 더 적은 샘플) 0 : 관심 없는 클래스 (더 흔하고 많은 샘플) 암환자 분류 : 0 = 정상 1 = 암환자 사기꾼 검출 : 0 = 정상 1 = 사기꾼 생존자 검출 : 0 = 사망 1 = 생존자 import numpy as np * 목표: 혈액형 예측하기(A, B) A의 특징 : 배려심 있다, 막연한 걱정 B의 특징 : 용기, 기분파다 # 판단력, 사회성 x = [[50, 90], [80, 50]] y = [0, 1] x = np.array(x) y = np.array(y) from sklearn.linear_model import LogisticRegression # 논리 회귀 = 선형 회귀 model = L..

2020_01_23 KNN

※ KNN : k-최근접 이웃 분류 (k-Nearest neighbor) import numpy as np # 개, 말, 새 x = [140, 150, 160, 170, 180] y = [0, 0, 1, 1, 2] # 초:0, 중:1, 고:2 x_test = [120, 158, 177] * 위 x 데이터를 KNN 모델을 fit해서 x_test를 예측하세요 x = np.array(x).reshape((-1, 1)) # 1d를 2d로 모양 변경, -1자리는 자동으로 계산해서 변경하라는 뜻 x_test = np.array(x_test).reshape((-1, 1)) y = np.array(y) x.shape → (5, 1) from sklearn.neighbors import KNeighborsClassifi..

object_detection_yolo_keras

※ 물체 탐지(Object detection) - YOLO Keras * DarkNet의 모델을 Keras로 변환하여 물체 탐지 실행. ▶ 버전 다운로드 * 버전 업데이트가 안돼서 2.1.5로 내려서 다운로드하고 y를 누른다. !pip uninstall keras !pip install keras==2.1.5 import keras print(keras.__version__) ▶ 프로젝트 다운로드 %cd /content !rm -rf keras-yolo3 !git clone https://github.com/qqwweee/keras-yolo3 ▶ YOLO3 모델 다운로드 %cd /content/keras-yolo3 !wget wget https://pjreddie.com/media/files/yolov3..