일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
- 시퀸스 자료형
- 머신러닝
- 텐서플로우
- 칼리
- 운영체제
- 가상머신
- 선형회귀
- TensorFlow
- 설치
- vmware
- Python
- 리눅스
- Visual Intelligence
- server
- Windows
- ML
- Machine Learning
- Language Intelligence
- vue
- linux
- 관리
- vuejs
- centOS
- 설정
- Kali
- Python 기초
- representation learning
- python 설치
- xshell
- Network
- Today
- Total
목록전체 글 (33)
homebody's blog
TensorFlow(Logistic Regression/Classification의 소개) Binary(Multi-class) Classification 머신러닝을 하기 위해서는 0과 1로 나뉘어야한다. ex) 시험 : 합격 / 불합격 스팸메일필터 : 스팸메일 / 정상메일 얼굴인식 : Real / Fake x_train = [[1, 2], [2, 3], [3, 1], [4, 3], [5, 3], [6, 2]] y_train = [[0], [0], [0], [1], [1], [1]] Logistic VS Linear Logistic을 적용하기 위한 데이터 두가지의 케이스로 구분선을 이용하여 구별을 할 수 있고 셀 수 있으며, 흩어져 있다. ex) 신발 사이즈, 직원 수 Linear을 적용하기 위한 데이터 ..
TensorFlow(Multi-variable Linear Regression을 TensorFlow로 구현) Hypothesis using matrix # data and label x1 = [73., 93., 89., 96., 73.] x2 = [80., 88., 91., 98., 66.] x3 = [75., 93., 90., 100., 70.] Y = [152., 185., 180., 196., 142.] # weights w1 = tf.Variable(10.) w2 = tf.Variable(10.) w3 = tf.Variable(10.) b = tf.Variable(10.) hypothesis = w1 * x1 + w2 * x2 + w3 * x3 + b 전체 code import tensorflow..
TensorFlow(Multi-variable Linear Regression) Hypothesis Cost function Multi -variable 변수의 개수가 적을 때는 수식을 그냥 전개해도 불편하지 않지만 변수의 개수가 아주 많이 증가하게 된다면 전부 전개하는 방식은 불편하다. 그래서 Matrix가 필요하다. Matrix 표기를 위해서 Matrix multiplication을 사용한다. H(X) = XW Matrix를 사용할 때는 X를 W앞에 쓴다. Matrix를 곱셈 연산할 때는 앞에 있는 행과 뒤에 있는 열을 연산하기 때문이다. Hypothesis using matrix Matrix 연산에서는 앞에 있는 Matrix의 열과 뒤에 있는 Matrix의 행의 개수가 같아야 연산이 가능하다. Ma..