Chapter1. 한눈에 보는 머신러닝 1. 분류 정리 2. 실습하기 https://github.com/mafls122/TIL/blob/main/Machine%20Learning/20210513_ML.ipynb mafls122/TIL Today I Learned. Contribute to mafls122/TIL development by creating an account on GitHub. github.com 3. 머신러닝 주요 도전 과제 1. 충분하지 않은 양의 훈련 데이터 -> 대부분의 머신러닝 알고리즘이 잘 작동하려면 데이터가 많아야 한다. 2. 대표성 없는 훈련 데이터 -> 일반화가 잘되려면 원하는 새로운 사례를 훈련 데이터가 잘 대표하는 것이 중요하다. 3. 낮은 품질의 데이터 -> 에러, 이..
이미지 처리_연결하기 1. 같은 이미지 세로 연결 2. 같은 이미지 가로 연결 3. 크기가 다른 이미지 연결 4. 바둑판 형식의 이미지 연결 1. cv2.vconcat( [img1, img1] ) : 이미지를 세로로 연결한다. ( vertical + concat ) cv2.imread( ) 를 사용하여 가져온 이미지를 매개인자에 넣어 이미지를 연결한다. 2. cv2.hconcat( [img1, img1] ) : 이미지를 가로로 연결한다. ( horizontal + concat ) cv2.imread( ) 를 사용하여 가져온 이미지를 매개인자에 넣어 이미지를 연결한다. 3. cv2.resize( img, (w, h) ) : 이미지 list 중 가로가 제일 작은 값을 리턴받은 후 cv2.resize( )를 ..
딥러닝이란? 기계 학습의 한 분야 중 인공신경망을 이용한 학습으로, Deep Neural Network를 여러 개의 은닉층(hidden layer)으로 구성된 모델을 학습시키는 방법이다. 데이터(입력값)와 해답(출력값)을 가지고 규칙(모델)을 산출하여 가중치 값을 찾으며, 가중치는 여러개 일 수도 있으며 학습의 최종 목표는 최적의 가중치 값을 찾는 것이다. 딥러닝 절차 1. 데이터 로드 및 전처리 reshape( ) flatten( ) 정규화 to_categorical( ) -> one-hot 인코딩 2. 네트워크 모델 설계 (뉴런 네트워크 모델 아키텍처 설계) model = model.Sequential( ) model.add( layers.Dense( 512, activation=' ', input_..
1. ANN ( Artificial Neural Network ) : 인공 신경망 - 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘 신호,자극 : input data 임계값 : weight(가중치) 행동 : output -> 신호, 자극 등을 받고 임계값을 넘어서면 결과 신호를 전달하여 행동함 문제점 1. 학습 과정에서 최적의 파라미터 값을 찾기 어려움 2. 과적합(Overfittting) 문제 3. 느린 학습시간 2. DNN (Deep Neural Network) : 심층 신경망 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘 은닉층을 2개 이상으로 많이 늘려 학습 결과를 향상 시키는 방법 ( ANN보완 ) 많은 데이터와 반복학습, 사전 학습과 오류역전파 기법을 통해 널리 사..
sklearn.metrics 메소드를 살펴보자 1. confusion matrix 형태의 데이터를 관리한다. : 클래스 분류 결과를 실제(정답) 클래스와 예측 클래스를 축으로 가진 형태 sklearn.metrics.confusion_matrix(y_true, y_pred, *, labels=None, sample_weight=None, normalize=None) 실제 클래스 예측 클래스 TP ( True Positive ) T T TN ( True Negative ) F F FP ( False Positive ) F T FN ( False Negative ) T F -- case 1 ( 예측 : 행 / 실제 : 열 ) 0 : Negative / 1 : Positive 0 1 0 TN FP 1 FN TP..
scikit-learn 모듈을 사용하여 머신러닝을 구현해보자 머신러닝 구현 단계 1단계 : 데이터 수집 및 전처리 2단계 : 데이터 분할 - sklearn.model_selection.train_test_split : 목적 데이터를 분할 3단계 : 모델 지정 - ex) sklearn.ensemble.RandomForestClassifier -> sklearn.ensemble.* 등 모델 사용 4단계 : 모델 학습 - model.fit( X, y ) 5단계 : 테스트 및 평가 : model.predict( ) , sklearn.metrics. * 정답률 : accuracy_score( ) 적합율 : precision_score( ) 재현율 : recall_score( ) 평가지표 산출률 : Classifi..
머신러닝이란? 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야 y = f(x) y : 출력변수, 종속변수, 반응 변수 f : 모형(알고리즘) x : 입력변수,독립변수, feature -> 무엇(X)으로 무엇(Y)을 예측하고 싶을 때 머신러닝 사용 1. 지도학습 : X를 가지고 Y를 예측하는 것 - 회귀 (regression) : 입력 변수 X에 대해서 연속형 출력 변수 Y를 예측 ex) 주가 예측 - 분류 (classification) : 입력 변수 X에 대해서 이산형 출력 변수 Y(class)를 예측 ex) 공정 불량 여부 탐지 - 서포트 벡터, 결정 트리, 신경망 등 2. 비지도 학습 : 출력 변수(Y)가 존재하지 않고 입력 변수(X)로만 모델링하는 것 - 군집분석(k-Means) :..
백터화 연산이란? 벡터의 같은 인덱스에 위치한 원소(Element-wise)들끼리 연산을 수행하는 것을 의미한다. Numpy에서 지원하는 연산 기능으로 반복문을 사용하지 않고 같은 위치의 값끼리 반복 연산을 가능하게 한다. 단, 배열의 형태가 같아야 연산이 가능하다. 1차원 numpy.ndarray >>> a = np.arange(5) >>> a array([0, 1, 2, 3, 4]) >>> a+a array([0, 2, 4, 6, 8]) 2차원 numpy.ndarray >>> a2 = np.arange(9).reshape(3,3) >>> a2 array([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) >>> a2 * 2 array([[ 0, 2, 4], [ 6, 8, 10], [12, ..
Blue -> (255,0,0) Green -> (0,255,0) Red -> (0,0,255) White -> (255,255,255) Black -> (0,0,0) 이미지 흑백 처리 1. 흑백으로 읽어오기 / cv2.IMREAD_GRAYSCALE 2. BGR 이미지에서 GRAY로 변경 / cv2.cvtColor -> BT.601 Y 공식 적용한 함수 사용 3. Y = 0.299 * R + 0.587 * G + 0.114 * B -> 흑백 공식을 이용하여 직접 변경 1. cv2.IMREAD_GRAYSCALE( ) : 이미지를 GRAYSCALE로 읽어온다. (흑백) cv2.imread( ) 와 함께 사용되며 파일을 가져올때 적용하여 사용한다. img = c..
openCV 란? - 실시간 컴퓨터 비전을 목적으로 단일 이미지나 동영상의 이미지를 원하는 결과를 분석 및 추출하기 위한 오픈 소스 컴퓨터 비전 라이브러리이다. openCV 라이브러리 설치 pip install opencv-python pip install opencv-contrib-python 이미지 가져오기 - 1 from PIL import Image import numpy as np import matplotlib.pyplot as plt im = Image.open('C:\\open_img\\myImg\\Lenna.png') res = np.asarray(im) plt.imshow(res) 결과 >> Image.open( )으로 경로를 통해 이미지를 가져오고 np.asarray( )로 배열 저장..
- SQL
- Ai
- cnn
- numpy
- 기계학습
- 파이썬
- 딥러닝
- SQLD
- OpenCV
- 경사하강법
- 알고리즘
- VGGNet
- 부스트코스
- 주니온
- MongoDB
- 인공지능
- slqd
- Project
- Scikit
- Min()
- Python
- Max()
- 자료구조
- db
- 머신러닝
- Pandas
- 프로그래머스
- sklearn
- Programmers
- algorithm
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 | 29 | 30 | 31 |
- Total
- Today
- Yesterday