IT's 우

데이터 타입의 문제와 NA값의 문제를 해결하는 데이터 전처리 방법 ########################### # 라이브러리 사용 import pandas as pd ########################### # 파일 읽어오기 파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/iris2.csv' 아이리스 = pd.read_csv(파일경로) 아이리스.head() # 원핫인코딩 되지 않는 현상 확인 인코딩 = pd.get_dummies(아이리스) 인코딩.head() ########################### # 칼럼의 데이터 타입 체크 print(아이리스.dtypes) 품종의 데이터 타입이 범주형이 아니므로..

히든 레이어와 멀티레이어의 구조를 이해하고, 히든 레이어를 추가한 멀티레이어 인공신경망 모델을 완성해보자. 입력 부분을 InputLayer, 출력부분을 OutputLayer라고 한다. 결과를 얻기위해서 히든 레이어의 모든 값들을 입력으로 하는 하나의 퍼셉트론이 필요하다. 히든 레이어의 첫 번째 결과를 만들기 위해서는 하나의 퍼셉트론이 필요하다. 히든 레이어에 총 5개의 노드가 있으니 5개의 퍼셉트론이 필요하다. 히든 레이어의 활성화 함수로 'swish'를 사용함. 히든 레이어를 3개 사용한 모델. 첫 번째 히든 레이어는 5개의 노드, 두 번째, 세 번째 히든 레이어는 3개의 노드를 가진 모델. 최종 한 개의 출력을 만든다. 히든 레이어를 사용하여 학습시키면 훨씬 더 똑똑한 모델을 학습시킬 수 있다. -소..

아이리스 품종을 분류하는 딥러닝 모델을 텐서플로우를 이용하여 만들어 보고,분류모델과 회귀모델의 차이점을 이해하자.범수형 변수의 처리 방법인 원핫인코딩을 해야하는 이유와활성화함수 softmax를 사용하는 이유를 학습하기. 소스코드, 결과github csv url: https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/iris.csv# 라이브러리 사용import tensorflow as tfimport pandas as pd # 1.과거의 데이터를 준비합니다.파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/iris.csv'아이리스 = pd.read_csv(파일경..

딥러닝 워크북에서 손으로 모델을 학습시켜 보며 딥러닝이 학습하는 원리를 배우기. 딥러닝 워크북 딥러닝 워크북 https://bit.ly/2DEBlPd 딥러닝 워크북 회귀 (mse) 온도,판매량,W,B,Loss,예측 (w*온도+b),예측 - 판매량,(예측 - 판매량)^2 21,42,1.969,0.526,0.036891,41.875,-0.125,0.015625 22,44,dLoss / dW,dLoss / dB,prevLoss,43.844,-0.156,0.024336 23,46,122.2291,5.2961,7.028832,45.813,-0.187, docs.google.com 파일 -> 사본 만들기 사용하여 직접 해보기 워크북 이용방법 *사본에 history와 W, B 값을 0으로, dLoss/dW, dLos..

보스턴 집값을 예측하는 딥러닝 모델을 텐서플로우를 이용하여 만들어 보고, 모델을 구성하는 퍼셉트론에 대해 이해해보기 --------------------------------------소스코드, 실행화면----------------------------------------- # 라이브러리 사용 import tensorflow as tf import pandas as pd # 1. 과거의 데이터를 준비합니다. 파일경로 ='/content/boston.csv' 파일경로 ='https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/boston.csv' #파일경로 ='/content/boston.csv' colaboratory 파일 업로드 보스턴=p..