HONG'S DB

이번 포스팅에서는 python을 사용하여 로지스틱 회귀모델을 구현해본다. 로지스틱 회귀모델 구조 훈련단계 예측단계 기능 최적의 가중치와 절편을 찾음. 예측값 계산, 향후 성능평가에 사용. 사용 데이터세트 훈련세트 테스트세트 머신러닝 모델 구현로직은 크게 훈련단계와 예측단계로 나눌 수 있다. 훈련단계는 최적의 가중치와 절편을 찾는 로직인데, 입력데이터로 훈련세트를 사용한다. 예측단계는 훈련단계에서 찾은 가중치와 절편을 사용하여 예측을 실행하는 단계이다. 이때 출력된 예측값은 모델의 성능을 평가하는데 사용한다. 입력데이터로는 테스트세트를 사용한다. 로지스틱 회귀모델의 구조를 살펴보고, 각 단계에서 어떤 함수들이 필요한지 정리해보자. 로지스틱 회귀모델은 선형함수, 활성화함수, 임계함수로 이루어져 있다. 선형함..

이번 포스팅에서는 이진분류 알고리즘 3가지를 알아본다. 먼저 이진분류의 개념에 대해서 짚고 넘어가자. 이진분류란 임의의 샘플 데이터를 True나 False로 구분하는 문제를 말한다. 예를 들어 특정 종양 샘플이 주어졌을 때 이 종양이 양성(True)인지 음성(False)인지 판단하는 것이 있다. 이진분류 알고리즘은 퍼셉트론 → 아달린 → 로지스틱 회귀 순으로 발전했다. 이번 포스팅에서 하나씩 살펴본다. | 1. 퍼셉트론(Perceptron) 퍼셉트론은 1957년 코넬 항공 연구소의 프랑크 로젠블라트가 발표한 알고리즘으로, 이진분류 문제에서 최적의 가중치를 학습하는 알고리즘이다. 퍼셉트론의 구조를 도식화하면 아래와 같다. 퍼셉트론 이전 포스팅에서 다뤘던 선형회귀 알고리즘과 유사하다. 선형회귀 알고리즘이 선..

이전 포스팅에서 머신러닝은 학습방식에 따라 지도학습, 비지도학습 그리고 강화학습이라는 3가지로 카테고리로 분류할 수 있다고 했다. 더보기 2020/06/11 - [Deep Learning/[Books] Do it! 정직하게 코딩하며 배우는 딥러닝 입문] - 3. 머신러닝 학습방식 3가지 (지도학습, 비지도학습, 강화학습) 이번 포스팅에서는 지도학습의 목표 2가지에 대해서 정리해보고, 각 목표를 달성하기 위해 사용하는 주요 알고리즘을 정리한다. 추가적으로! 지도학습 소속 알고리즘들은 활성화함수와 손실함수라는 개념을 사용하는데, 우리는 이 함수들을 문제의 특성에 따라 (달성하려는 목표에 따라) 적절하게 선별해서 사용해야한다. 활성화함수와 손실함수의 개념에 대해서는 다음에 자세하게 다루도록 하고, 이번 포스팅..