관광이 블로그

감자 코딩에 감자개발자입니다이번강의 에서는 머신러닝을 하기전에 가장먼저 파이썬 환경구축을 위한 아나콘다를 설치해볼것입니다. 저의 개발 환경은 MaxOS High Sierra 10.13.3 을 사용하고있기 때문에 맥환경에 아나콘다를 설치하겠습니다. 일단 들어가기 앞서, 아나콘다란 무엇일까요?간단하게 말해서 파이썬의 여러버전을 관리하기 편하게 하는 플랫폼이라 할수 있습니다. 머신러닝관련된 예를 들어) numpy 같은 모든 패키지들을 따로 설치할 필요없이 관리할 수 있습니다. 일일이 모든 pip 명령어로 패키지들을 설치할 필요가 없어지게 됩니다. 1. 아나콘다 홈페이지 들어가서 설치하기 https://www.anaconda.com/download/#macos 아나콘다를 설치하면 계속 다음을 눌러주시면 설치진행..

1. Hypothesis None using matrix -1 import tensorflow as tftf.set_random_seed(777) # for reproducibility x1_data = [73., 93., 89., 96., 73.]x2_data = [80., 88., 91., 98., 66.]x3_data = [75., 93., 90., 100., 70.] y_data = [152., 185., 180., 196., 142.] # placeholders for a tensor that will be always fed.x1 = tf.placeholder(tf.float32)x2 = tf.placeholder(tf.float32)x3 = tf.placeholder(tf.float32) Y..

1. Recap 1) Hythesis H(x) = Wx+bW : Weightb : Bias 2) Cost function cost(W,b) = 1/m (∑ (H(x)i^ -y(i^))^2 predicting / true 3)Gradient descent algorigm 2. multi-variable 일경우 H(x1,x2,x3,xn) = w1x1 + w2x2 + w3x3 + wnxn .....+ b cost값도 변수만 증가시켜주면 Cost Function = cost(W,b) = 1/m (∑ (H(x1,x2,xn.....)i^ -y(i^))^2 그런데, 이러한것들을 계속 처리하기위해서는 불편함이 있음.어떻게 처리하면 될까? Matrix 이 식을 보게 되면 H(x) = XW 가 되는 과정을 볼 수 있음. ..

1. hypothesis 요약 cost가 최적화 된다는것은 최저가 되는 지점 Cost Function 을 간단히 요약하면 이렇게 표현이 가능하다. 2.Cost Minimizing Structure W.Assgin 함수를 통해서 Assgin할수 있다. 이것의 update에 할당해서 실행을 시키게 된다면,일련의 동작들이 수행되게 된다. 3. matplotlib 설치하기실습에 앞서 matplotlib 를 사용할것인데, 이것은 시각화 라이브러리라고 생각하면 편하다. 실습에서 사용할것이므로 (tensorflow) kgh-2:tensorflow kgh$ pip install matplotlib 4. 실습 Cost Minimizing -1 이제 이것을 사용하여 그래프를 그려보자# Lab 3 Minimizing Cos..

1. what cost look like? W=2 의 값일때 cost(W)의 값은 4.67로 동일하다 Y축 : Cost X축 : W로 두었을 때, minimize 시킬 수 있어야한다. 2. Gradient descent algorigm (1) minimize cost function (2) Gradient descent is used minimization problems (3) for a given cost function 3. how it works?gradient descent the lowest point부분을 찾는다.(경사가 있는 그래프의 minimize) 경사를 어떻게 구할 수 있을까? 미분을 사용한다.미분을 사용한다는것은 ? 그 그래프의 기울기를 구한다고 생각하면 쉽다. Ex)미분의 예제 C..

1. Hypothesis and cost functioncostfunction의 기본 원리 및 구조 2. 이제 tensorflow 실습-1 import tensorflow as tftf.set_random_seed(777) # for reproducibility # X and Y data 학습데이터 X,Yx_train = [1, 2, 3]y_train = [1, 2, 3] # Try to find values for W and b to compute y_data = x_data * W + b# We know that W should be 1 and b should be 0# But let TensorFlow figure it out Variable은 변수와 다른 개념인데, 텐서플로우가 자체적으로 변경시키..

1. Linear Regression Predicting exam score : regression supervised learning 을 통해 알아보자.supervised learning은 간단히 데이터를 가지고 학습을 시키는것이다. learning course : Train -> regression 간단히 말하면,데이터를 trainning 시켜놓은 후, 그 조건에 맞는 데이터에 대한 확률을 regression analysisX,Y의 표로 시행되고 있음을 알면된다. (1) Linear Regression이란?(hypothesis)데이터 분석에 있어서 하나의 가설 검증이 필요하다. 이 가설을 검증할때, Linear 한 모델이 우리 데이터에 맞을것이다. 라는의미 가설을 세우고, 가장 적합한 데이터를 결정하..

- ML Algorigm 종류1. Linear regression2. Logistic regression(classfication)3. nerual Network - tool : tensorflow- note 참고 자료 : http://www.holehouse.org/mlclass/ 1. what is ML?* Spam Filter : many rules* Automatic Driving : too many rules 2. Supervised / Unsupervised ?(1) Supervised 와 Unsupervised를 나누는 기준은 학습하는 방법에 따른 분류에 따라 바뀐다. (2) Supervised learning에서는 카테고리가 있는 것 예를 들어 , 고양이,강아지등 동물을 카테고리 별로 나누..