지치지 않기 위해서 매일 조금씩이라도 성취감? 소확행?을 느껴보자 사실 매일 반복되는 일상에 그런 것들을 찾는게 쉽지는 않다 그렇지만 긴 여정이 될 지금 나의 도전에 있어서 지치지 않고 끝까지 가기 위해서는 그런 것들이 필요해보인다 시간이 없어? 못할 것 같아? 실패하면 어떡하지? 다 핑계일 뿐이다. 일단 해보고 생각하자. 그리고 머리도 좋은 편이라고 생각하기 때문에 충분히 할 수 있을 것이라고 생각한다. 실습내용 ResNet 사용하여 이미지를 학습하고 10개의 카테고리를 갖는 이미지를 분류하는 이미지 분류기를 생성합니다. 데이터셋: CIFAR ResNet 깊은 신경망(152 layers… ) 학습이 가능하게 하는 skip connections 구조 Batch Normalization을 적용 분류기 학습..

실습 위주라 블로그에 정리하기가 애매하군 제조 데이터의 분류기 실습 1. 데이터 로드 numpy와 pandas는 데이터를 로드하고 형식에 맞게 변형 matplotlib.pyplot과 seaborn은 데이터 시각화를 위해 사용 # 라이브러리 & 데이터 로드 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns df = pd.read_csv('exercise1.csv') df.head() df.shape로 데이터 프레임의 형태를 파악할 수 있다 총 1000개의 행과 7개의 열로 이루어져있다는 것을 확인할 수 있다 df.shape # (1000, 7) target은 0과 1로 구분되어있게 구성했다...

포스트잍에 날짜만 적고 몇일차인지를 안 적으니까 좀 헷갈리는 것 같다 내일부터는 몇일차인지도 같이 적어야겠다 1. 분류 알고리즘 1-1. Decision Tree Classifier 의사 결정 나무 분류 알고리즘이라고 부름 1-2. RandomForest 하지만 하나의 의사 결정 트리를 사용하게 된다면 정확도는 높아지겠지만 오버피팅될 확률이 높아진다 그렇기 때문에 여러개의 의사 결정 트리를 사용하고 나온 값들을 다수결(voting)을 통해 오버피팅을 개선한 것이 Random Forest 이다 높은 정확도, 과적합 문제 해결, 많은 갯수의 독립변수를 다룰 수 있다 단점으로는 연산 시간이 오래 걸린다 1-3. XGBoost Voting을 하는 방식에는 하드 보팅과 소프트 보팅이 있다 하드 보팅은 다수의 분류..