목록Machine Learning/머신러닝 (44)
Allen's 데이터 맛집
이번에는 신경망에서 사용되는 주요 활성화 함수에 대해 알아보겠습니다. 활성화 함수는 신경망의 각 뉴런에서 입력을 받아 출력을 생성하는 데 사용되며, 모델에 비선형성을 부여하여 다양한 패턴을 학습할 수 있게 합니다. 활성화 함수의 역할 활성화 함수는 신경망의 뉴런이 입력을 받아 출력을 생성할 때 비선형성을 부여하는 역할을 합니다. 이 비선형성은 신경망이 다양한 복잡한 함수를 학습하고 표현할 수 있도록 도와줍니다. 주요 활성화 함수에는 다음과 같은 것들이 있습니다. 1. 시그모이드 함수 (Sigmoid Function) 시그모이드 함수는 0과 1 사이의 출력값을 갖는 S 모양의 곡선 함수입니다. 주로 이진 분류 문제에서 출력층에 사용됩니다. import numpy as np import matplotlib...
머신 러닝과 딥러닝에서 핵심 최적화 알고리즘 중 하나인 경사하강법에 대해 알아보겠습니다. 경사하강법은 모델의 비용 함수를 최소화하는 가중치(Weight)와 편향(Bias)을 찾기 위한 핵심 방법 중 하나입니다. 경사하강법이란? 경사하강법은 모델을 학습시키기 위해 가중치와 편향을 조정하는 최적화 알고리즘 중 하나입니다. 모델이 예측한 값과 실제 값 사이의 오차를 나타내는 비용 함수를 최소화하기 위해 사용됩니다. 경사하강법의 기본 아이디어 경사하강법은 다음과 같은 기본 아이디어를 가지고 있습니다: 1.초기화: 모델의 가중치와 편향을 초기값으로 설정합니다. 2.예측: 주어진 입력에 대해 모델을 사용하여 예측값을 계산합니다. 3.비용 함수: 예측값과 실제값의 차이를 나타내는 비용 함수를 정의합니다. 4.경사 계..
이번에는 데이터 분석과 머신 러닝 분야에서 광범위하게 활용되고 있는 인공 신경망(ANN) 모델에 대해 알아보겠습니다. 여러분이 딥러닝과 신경망에 대해 처음으로 배우는 경우, 이 글이 도움이 되기를 바랍니다. 인공 신경망(ANN)이란? 인공 신경망은 생물학적 신경망에서 영감을 받아 만들어진 머신 러닝 모델입니다. 이 모델은 입력층, 은닉층, 출력층으로 구성되어 있으며, 각각의 뉴런은 가중치와 활성화 함수를 통해 정보를 전달합니다. 기본 구조 이해하기 이미지출처 : https://steemit.com/kr/@jihangmoogan/deep-learning-3-artificial-neural-network-ann 1. 입력층(Input Layer): 입력 데이터를 받아들이는 층입니다. 각각의 입력은 하나의 뉴..
이번 포스팅에서는 데이터 분석의 강력한 도구 중 하나인 앙상블(Ensemble) 기법에 대해 쉽게 알아보려고 합니다. 앙상블은 여러 모델을 결합하여 단일 모델보다 높은 성능을 얻을 수 있도록 도와주는 획기적인 방법 중 하나입니다. 앙상블 기법이란? 앙상블은 여러 다른 모델들을 결합하여 하나의 강력한 모델을 만드는 방법입니다. 이는 여러 모델의 다양성을 활용하여 성능을 향상시키는 아이디어에 기반합니다. Voting, Bagging, Boosting, Stacking: 간단히 알아보기 1. Voting (보팅) Voting은 여러 다른 모델들의 예측을 종합하여 최종 예측을 결정하는 방법입니다. 주로 더 간단하고 다양한 모델들을 결합하여 성능을 높이는 데 사용됩니다. 2. Bagging (베깅) Bagging..