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..

TensorFlow(Linear Regression and How to minimize cost) How to minimize cost? cost function을 그래프로 그려보면 2차 함수 그래프 처럼 나온다. 여기서 최소값을 찾으면 된다. Gradient descent algorithm(경사하강법, 경사하강알고리즘) 경사를 따라 내려가면서 최저점을 찾도록 설계된 알고리즘 Cost가 최소화가 되는 W, b를 찾는다. 변수가 1개나 2개일 때 뿐만 아니라 여러 개일 때도 사용가능하다. 동작 방식 추정을 통해서 W, b를 정한다. 랜덤도 가능 W, b값을 줄어들 수 있도록 조금씩 수정한다. W, b 값을 지속적으로 업데이트할 때 기울기값을 구해서 cost가 최소화 되는 방향으로 업데이트 이 과정을 최소점..

TensorFlow(Simple Linear Regression을TensorFlow로 구현) x_data = [1,2,3,4,5] y_data = [1,2,3,4,5] W = tf.Variable(2.9) b = tf.Variable(0.5) # hypothesis = W * x + b hypothesis = W * x_data + b cost = tf.reduce_mean(tf.square(hypothesis - y_data)) Cost가 최소가 되는 W, b를 찾는 알고리즘 Gradient descent(경사하강알고리즘 or 경사하강법) # Learning_rate initialize learning_rate = 0.01 # Gradient descent with tf.GradientTape() as..

TensorFlow(Simple Linear Regression) Regression(회귀) "Regression toward the mean" 전체의 평균으로 되돌아간다는 의미, 데이터가 굉장히 크거나 작은 것들이 나와도 결국에는 전체의 평균으로 돌아가려는 성질이 있다는 의미 Linear Regression(선형회귀) 데이터를 가장 잘 대변하는 직선의 방정식을 찾는 것 그래프에서 데이터들이 분포가 되어 있을 경우, 해당 데이터들을 가장 잘 대변하도록 선을 그으면 어떻게 될 것인가가 선형회귀의 핵심이다. H(x) = Wx + b 직선의 방정식을 구하는 방법은 H(x) - y 들의 합이 작으면 작을수록 잘 대변한다는 의미, 가설로 세운 방정식의 값과 실제 데이터의 값의 차이의 합들이 작아야한다. 즉, 비용..

TensorFlow(basic ML의 용어와 개념 설명) Machine Learing 정교하게 모든 상황들을 프로그래머가 커버하기에는 너무나 많기 때문에 어떤 자료 또는 현상에서 자동으로 학습해서 능력을 가지게 되는 소프트웨어 학습을 하기 위해서는 label이 붙어있는 example이 주어져야 한다.(Supervised learning) 미리 lable를 달기가 어려운 경우가 있다. 이럴 경우는 데이터를 보고 스스로 학습을 하게 된다.(Unsupervised learning) Supervised learning 머신러닝에서 가장 일반적인 문제 Image labeling Email spam filter Predicting exam score Training data set 머신러닝을 시켜서 답을 얻기 위해..