1. XOR 문제의 해결 import numpy as np from sklearn.linear_model import Perceptron from sklearn.svm import SVC, SVR, LinearSVC, LinearSVR from sklearn.metrics import accuracy_score from keras.models import Sequential from keras.layers import Dense #1. 데이터 # MLP모델 구성하여 ACC=1.0 만들기 x_data = [[0,0], [0,1], [1,0], [1,1]] y_data = [0, 1, 1, 0] #2. 모델 model = Sequential() model.add(Dense(32, input_dim=2)) m..
인공지능 기초 / 머신러닝 1. 퍼셉트론의 과제 - 직선을 하나 그어서 직선의 한쪽 편에는 검은 점, 다른 한쪽에는 흰 점만 있도록 해보시오. - 이것이 퍼셉트론의 한계를 설명할 때 등장하는 XOR(exclusive OR) 문제 2. SVM - 서포트 벡터 머신은 여백(Margin)을 최대화하는 지도 학습 알고리즘 - 여백(Margin)은 주어진 데이터가 오류를 발생시키지 않고 움직일 수 있는 최대 공간 - 분류를 위한 서포트 벡터 머신 SVC (class) - 회귀를 위한 서포트 벡터 머신 SVR (regression) 3. Decision Tree - 분류와 회귀 문제에 널리 사용하는 모델 - 기본적으로 결정 트리는 결정에 다다르기 위해 예/아니오 질문을 이어 나가면서 학습 - scikit-learn..
1. Tokenizer [설명] Tokenizer는 자연어 처리에서 텍스트를 분석할 수 있는 형태, 주로 '토큰(token)'이라는 단위로 분리하는 작업을 수행하는 도구입니다. '토큰'은 문맥에 따라 다르지만, 대부분의 경우 단어, 문장, 문단 등을 의미합니다. 토큰화의 주 목적은 원시 텍스트 데이터를 머신러닝 알고리즘이 처리할 수 있는 구조로 변환하는 것입니다. [코드] from keras.preprocessing.text import Tokenizer text = '나는 진짜 매우 매우 매우 매우 맛있는 밥을 엄청 많이 많이 많이 먹어서 매우 배가 부르다.' token = Tokenizer() token.fit_on_texts([text]) # fit on 하면서 index 생성됨 index = to..
