11장 레이블되지 않은 데이터 다루기: 군집 분석
레이블이 없는 데이터들을 분석하여 비슷한 데이터들끼리 그룹으로 묶을 것이다.이를 군집으로 묶는다하여 클러스터링(clustering)이라 한다. - k-평균 알고리즘을 이용하여 클러스터 중심 찾기- 상향식 방법으로 계층적 군집 트리 만들기- 밀집도 기반의 군집 알고리즘을 사용하여 임의 모야을 가진 대상 구분하기
2025/01/09
NEW POST
Jinsoolve.
ML.
(22)
12장 다층 인공 신경망을 밑바닥부터 구현
딥러닝은 인공 신경망을 효과적으로 학습시키기 위한 머신러닝의 하위분야이다. 아래 내용을 소개하겠다.- 다층 신경망 개념- 역전파 알고리즘- 이미지 분류를 위한 다층 신경망 훈련
2025/01/09
NEW POST
13장 텐서플로를 사용한 신경망 훈련
복잡한 수학이나 구현 과정을 텐서플로우에서 이미 구현해 놓았다. 이를 사용하는 법을 알아보자.텐서플로우의 함수나 여러가지 기능들은 어느정도 생략하겠다. 사용하면서 익히는 것이 가장 좋다.
2025/01/09
NEW POST
표준화와 정규화
표준화와 정규화에 대해서 간단히 알아보자.
2025/01/09
NEW POST
16장 순환 신경망으로 순차 데이터 모델링
데이터 간의 순서가 중요한 데이터를 시퀀스 데이터라고 한다. 시퀀스 데이터를 처리해주기 위해서는 RNN(Recurrent Neural Network) 모델을 사용해서 처리해야 한다.
2025/01/09
NEW POST
데이터 전처리
데이터 전처리에 대해서 정리해 보았다.
2025/01/09
NEW POST
차원 축소를 사용한 데이 터 압축
차원 축소 기법에 대해서 알아보자.
2025/01/09
NEW POST
머신러닝 교과서 8장
자연어 처리(Natural Language Processing, NLP)의 하위 분야인 감성 분석(sentiment analysis)에 대해서 알아보는 장이다.
2025/01/09
NEW POST
머신러닝 교과서 7장: 앙상블 학습
머신러닝 교과서 7장의 앙상블 학습에 대해서 알아보자.
2025/01/09
NEW POST
