AI, 빅데이터/AI22 [AI] Linear Regression 직접 구현 / 라이브러리 이용하여 구현 안녕하세요! 오늘은 머신러닝의 기본이 되는 회귀 분석 중에 선형 회귀에 대해 구현하는 시간을 가져보겠습니다. 먼저, 선형 회귀의 특징으로는 데이터의 분포가 선형적이고, 비선형 회귀의 특징으로는 데이터의 분포를 효울적으로 표현한다입니다. 먼저 선형 모델을 살펴보면, 로 나타낼 수 있겠네요. 우리는 선형적인 데이터의 분포를 나타내는 선을 잘 표현하기 위해 theta 값을 잘 정해야합니다. 아래 설명에 대한 구현 코드는 이와 같습니다... 먼저, x와 y라는 샘플 값들을 만들어줍니다. 우리가 구하는 저 theta는 결국 이러한 수식으로 표현되는데, 우리는 저 파이를 정의해보겠습니다. x라는 입력 배열에 대해 1이라는 값을 각각 추가해줍니다. 위 a라는 배열에도 파이와 같은 모양으로 구성된 것을 확인할 수 있습.. 2022. 9. 28. 신호 그래프의 Feature 값 표현하기 안녕하세요! FoxyHyun입니다 오늘은 신호 그래프(sin, cos)의 측정 값들을 점을 찍어 그래프로 표현해보겠습니다. 다만, 여러 개의 측정 값들의 평균이 아닌, 각 범위마다 평균, 분산을 구하여 그래프로 나타내볼거에용 linspace로 1부터 100까지 1000개의 샘플로 나눠줍니다. x1, x2, x3는 각각 신호 그래프를 나타냅니다. 이름 그래프로 그려보면 다음과 같습니다. scatter 함수를 이용해서 표현하였습니다. 각 x의 0~50, 51~100 ......950~1000까지의 범위에 대한 평균과 분산을 scatter함수로 점을 찍고, color를 설정하여 그래프를 표현합니다. 점이 어느정도 분류되어 표현되었네요! 신호 그래프의 x값을 범위를 나눠 그래프로 표현해보았습니다. 감사합니다 2022. 9. 28. [AI 개념 다지기] Activation Function(Sigmoid) 안녕하세요! 오늘은 ANN의 구성 요소 중 하나인 활성화 함수에 대해서 알아보겠습니다! 출력신호를 뉴런에서 내보낼지 말지를 결정을 하는 것을 활성화 함수(Activation Function)라고 부릅니다. 여러 종류의 활성화 함수가 있고, 활성화 함수의 결정이 결과에 큰 영향이 생깁니다. 먼저 Odds 함수 입니다. 확률이 1에 가까워질수록 무한대의 값을 갖는 것이 특징입니다. 하지만, 0.5라는 확률에도 odds가 대칭적이지 않기 때문에, 우리는 odds에 새로운 개념을 넣어봅니다.. Logit 함수라는 것인데 0.5를 기준으로 위아래로 대칭이 되는 것을 볼 수 있습니다. 이 Logit 함수를 토대로 식을 정리하면, l의 값이 -무한대부터 +무한대 사이에 값이라고 한다면 출력 결과 p는 0과 1사이의 .. 2022. 8. 3. [AI 개념 다지기] Dense Layer 안녕하세요 Foxy현입니다. 오늘은 Layer라는 개념에 대해서 배우고 Jupyter로 구현해보겠습니다! 인공신경망의 가장 기본이 되는 내용중 하나이므로 꼭 이해하고 넘어가셨으면 좋겠습니다 먼저, Layer는 뉴런들의 집합입니다. 또 필터들의 묶음이라고 말할 수 있습니다. 각각 서로 다른 Paramatric Function을 가지고 있는 묶음입니다! 서로 다른 PF가 들어가기 때문에 각 뉴런에서는 서로 다른 출력이 나올 수 있습니다. (Input이 같거나 다르더라도 각 뉴런에서의 Output은 다르다) Dense Layer는 추출된 feature들을 하나의 Layer로 모으고, 우리가 원하는 Tensor로 표현하기 위한 Layer입니다. 각 뉴런은 이전 계층의 모든 뉴런으로부터 입력을 받게 됩니다. 다시.. 2022. 8. 2. 이전 1 2 3 4 5 6 다음
