★ optimizer 개념정리 1. Gradient Descent (경사하강법) ■ 설명 함수의 기울기(Gradient)를 계산하여 손실 함수의 값이 가장 작아지는 방향으로 일정한 크기만큼 이동하는 것. 이 과정을 반복하면서 최적의 매개변수 값을 찾아가는 방법 ■ 문제점 1. 극소값(local minimum)에 도달할 수 있다는 것이 증명되었으나 전체 최소값(global minimum)으로 갈 수 있다는 보장은 없음. 극소값에 머물러 있다는 단점. 2. 훈련이 느림 2. Momentum ■ 설명 Optimizer 이며, GD의 문제를 해결하기 위해 보편적으로 사용되는 방법 ■ 보완점 관성(momentum)을 적용하여 변수가 가던 방향으로 계속 가도록 속도(velocity)를 추가한 것 global min..
1. Train_Test_Split [코드] import numpy as np from keras.models import Sequential from keras.layers import Dense from sklearn.model_selection import train_test_split # 1. 데이터 x = np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]) y = np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]) x_train, x_test, y_train, y_test = train_test_split( x, y, test_size=0.3, # Test data size ..
https://dev-with-gpt.tistory.com/44 [네이버클라우드캠프] 10일차. 인공지능 기초 개념정리 및 기초코드 실습 (딥러닝,퍼셉트론,옵티 0. 딥러닝에서의 매개변수 탐색과 최적화 딥러닝은 함수의 최적의 매개변수를 찾는 것을 목표로 한다. 일반적으로 y = wx + b와 같은 수학적인 함수로 모델을 표현한다. 이때, 딥러닝은 최적의 매 dev-with-gpt.tistory.com 9. 회귀분석 회귀분석(Regression)은 주로 연속된 값을 예측하는 문제에 사용되며, 과거 데이터를 기반으로 미래 값을 예측하는 데 활용된다. 예를 들어, 주가 데이터를 이용하여 과거의 주가 패턴을 분석하고, 이를 기반으로 미래의 주가를 예측하는 것은 회귀분석의 예시이다. 이를 통해 투자자나 거래자들은..
파이썬 딥러닝 기본 코드 실습 (numpy, keras, adam) 데이터 준비: 입력 데이터 x와 출력 데이터 y를 numpy 배열로 정의합니다. 입력 데이터 x는 2개의 특성(feature)을 가진 10개의 샘플로 구성되어 있습니다. 데이터 전처리: x의 행과 열을 확인하고, x를 전치(transpose)하여 열을 특성(feature)로, 행을 샘플로 변환합니다. 이를 통해 모델이 올바른 형태의 데이터를 입력받을 수 있습니다. 모델 구성: Sequential 모델을 생성하고, Dense 레이어를 추가하여 모델을 구성합니다. 입력층과 은닉층을 추가하고, 출력층은 하나의 노드로 구성됩니다. 컴파일과 훈련: 모델을 컴파일하고, 훈련 데이터를 사용하여 모델을 학습시킵니다. 손실 함수로는 'mse'를 사용하고..
