- datasets에서 iris데이터를 불러오고 뉴럴네트워크에서 MLPClassfiier를 불러들어와 fit시켜보았다. - tensorflow에 keras에서 KerasClassifier를 불러들어와서 Sequetial을 이용해 모델을 만들어봤다. - 다중 분리이기 때문에 sparse 카테고리컬 크로스엔트로피를 사용했고 활성화함수는 렐루를 썼다. - KerasClassifier에 에폭을 5로해서 학습을 시키고 교차검증을 해보았다. - 머신러닝은 데이터가 많을수록 성능이 안올라가는데 딥러닝은 모델이 훨씬 더 복잡하기 때문에 더 성능을 올리수 있다.오버피팅이 생길수 있는데 이것을 막으려면 데이터를 늘려야한다. - 러닝커브를 그려보면 데이터가 요동쳐서 학습이 부족하다는 것을 알수있다. - 데이터가 충분하지 않..

#mnist 데이터 사용하는 경우 중 matplotlib 사용 -tensorflow에 있는 keras에서 datasets의 데이터인 mnist를 불러와 -train,test 데이터를 지정해주고 -plt.imshow를 이용해서 데이터를 불러올수있다. cmap = 'gray' 로 지정해주면 흑백으로 바꿀수있다. #PIL 사용하는경우 -PIL의 image.open을 사용해서 이미지 데이터를 불러올수있다. #opencv를 이용하는 경우 -cv2.imread를 이용해서 이미지 데이터를 읽을 수 있고 opencv는 RGB채널 기반이다 -이걸 BGR채널로 바꾸려면 이렇게 split을 이용해서 바꿀수 있다. -각 이미지에는 필터를 적용할수있는데 BLUR는 흐릿한것 UnsharpMask는 더 선명해진다. - tensor..

독학으로 인강을 듣다가 머신러닝과 관련된 책을 추천받아 책을 읽게 되었다. 저자는 세바스찬 라시카이다. 여기에는 머신러닝을 하는 데 있어서 다양한 툴과 모델을 경험해볼 수 있고 코드까지 따로 구현되어있어 직접 코드 리뷰를 할 수 있다. 특히 머신러닝을 처음 접하거나 아니면 머신러닝을 조금 공부했던 사람들에게는 이 책이 좋은 길잡이가 될 수 있을 거 같다. 이 책은 지도 학습, 강화 학습, 비지도 학습 같은 학습의 종류를 소개하면서 classification 문제나 regression 문제에 대해서 잘 설명해 놓았으며 tensorflow에 관한 설명도 있어서 딥러닝의 전반적인 기초까지 얻을 수 있다. 특히 머신러닝을 하는 데 있어서 고급 분류 알고리즘이 있어서 RF나 파이프라인 구축하는 법과 GridSea..

해당 글은 2018~2019년 학교생활을 병행하면서 독학했던 강의들입니다. 그동안 독학했던 공부를 정리하고자 한다. 온라인 강의 위주로 되어있다. ### edwith [edwith][찰스 세이블런 교수님] 모두를 위한 프로그래밍 : 파이썬 [edwith][찰스 세이블런 교수님] 파이썬 자료구조 [edwith][찰스 세이블런 교수님] 파이썬을 이용한 웹 스크래핑 [edwith][찰스 세이블런 교수님] 파이썬을 이용한 데이터베이스 처리 [edwith][김성훈 교수님] 머신러닝과 딥러닝 BASIC [edwith][최성철 교수님] 머신러닝을 위한 Python 워밍업 [edwith][앤드류 응 교수님]딥러닝 1단계 : 신경망과 딥러닝 [edwith][앤드류 응 교수님]딥러닝 2단계 : 심층 신경망 성능 향상시키기..