Artificial Intelligence

1. 로지스틱 회귀로지스틱 회귀/ 다중 분류/ 시그모이드 함수/ 소프트맥스 함수러키백의 확률구성품을 모르는 채 먼저 구매하고, 배송받은 다음 구성품을 알 수 있는 상품-> 러키백에 포함된 생선의 확률 알려주기 러키백에 들어갈 수 있는 생선: 7개생선의 크기, 무게 등 -> 7개 생선에 대한 확률 길이, 높이, 두께 + 대각선의 길이, 무게 추가 => 확률은 숫자 -> 회귀?/ 7개 생선 -> 분류?k-최근접 이웃: 주변 이웃을 찾아줌 -> 이웃의 클래스 비율 = 확률 데이터 준비import pandas as pdfish = pd.read_csv('https://bit.ly/fish_csv_data')fish.head() 데이터프레임(dataframe)판다스에서 제공하는 2차원 표 형식의 주요 데이터 구조..

1. k-최근접 이웃 회귀회귀/ k-최근접 회귀/ 결정계수/ 과대적합과 과소적합 지도 학습 알고리즘분류: 샘플 -> 몇 개의 클래스 중 하나로 분류하는 문제회귀(regression): 임의의 어떤 숫자를 예측하는 문제ex. 내년도 경제 성장률 예측, 배달 도착할 시간 예측정해진 클래스 X 임의의 수치 출력두 변수 사이의 상관관계를 분석하는 방법k-최근접 이웃 분류예측하려는 샘플에 가장 가까운 샘플 k개 선택샘플들의 클래스 확인 -> 다수 클래스를 새로운 샘플의 클래스로 예측k-최근접 이웃 회귀예측하려는 샘플에 가장 가까운 이웃 샘플 k개 선택이웃한 샘플의 타깃은 어떤 클래스 X 임의의 수치 O이웃 샘플의 수치 사용 -> 새로운 샘플 x의 타깃 예측=> 가장 가까운 이웃 샘플을 찾고 이 샘플들의 타깃값을 ..

CHAPTER 2 퍼셉트론 퍼셉트론(perceptron) 알고리즘 프랑크 로젠블라트(Frank Rosenblatt) 1957년 고안한 알고리즘 신경망(딥러닝)의 기원이 되는 알고리즘 1. 퍼셉트론이란? 다수의 신호를 입력으로 받아 하나의 신호를 출력 (입력: 다수의 신호 -> 출력: 하나의 신호) *신호: 전류나 강물처럼 흐름이 있는 것 / 흐름을 만들고 정보를 앞으로 전달(전류: 전선을 타고 흐르는 전자를 내보냄) 퍼셉트론 신호: 흐른다/안 흐른다(1 OR 0) 입력 신호: x_1, x_2 출력 신호: y 가중치: w_1, w_2 (w = weight) 뉴런 OR 노드: 원 입력 신호가 뉴런에 보내질 때 각각 고유한 가중치 곱해짐 => w_1x_1, w_2,x_2 뉴런에서 보내온 신호의 총합 > 정해진..

CHAPTER 1 헬로 파이썬 1. 파이썬 파이썬(Python) 간단하고 배우기 쉬운 프로그래밍 언어 프로그래밍 입문자에게 최적 언어 2. 실행 방식 1) 인터프리터 대화모드: 개발자와 파이썬이 대화하듯 프로그래밍 할 수 있음 산술연산: 덧셈과 곱셈 등의 산술 연산 자료형(data type): 데이터의 성질을 나타내는 것/ 정수, 실수, 문자열 형태 변수(variable) 변수 사용하여 계산 OR 변수에 다른 값 대입할 수 있음 동적 언어: 변수의 자료형 -> 상황에 맞게 자동 결정 리스트(list) 인덱스: [] 안의 수/ 0부터 시작 슬라이싱(slicing): 범위 지정 -> 원하는 부분 리스트 얻을 수 있음 딕셔너리(dictionary): 키(key)와 값(value) -> 한 쌍으로 저장 bool..

2장 간단한 분류 알고리즘 훈련 퍼셉트론 분류를 위한 초창기 머신 러닝 알고리즘 파이썬을 사용한 효율적인 구현 방법 적응형 선형 뉴런 기본적인 최적화 사이킷런 머신 러닝 라이브러리_강력한 분류 모델 사용의 기초 1. 인공 뉴런: 초기 머신 러닝의 간단한 역사 1943년 워렌 맥컬록(Warren McCulloch), 월터 피츠(Walter Pitts) : 간소화된 뇌의 뉴런 개념 발표 = 맥컬록-피츠(MCP) 뉴런 *뉴런: 뇌의 신경 세포와 서로 연결 => 화학적/전기적 신호 처리, 전달 *신경 세포 -> 이진 출력을 내는 간단한 논리 회로 여러 신호 -> 수상 돌기 => 세포체 합쳐짐 합쳐진 신호 > 특정 임계 값 -> 출력 신호 생성 -> 축삭 돌기 이용하여 전달 프랑크 로젠블라트(Frank Rosen..

1장 컴퓨터는 데이터에서 배운다 1. 데이터를 지식으로 바꾸는 지능적인 시스템 구축 머신 러닝 20세기 후반, 자기 학습(self-learning) 알고리즘(: 데이터 -> 지식 추출 -> 예측)과 관련된 인공지능(Artificial Intelligence, AI)의 하위 분야 데이터에서 더 효율적으로 지식 추출 -> 예측 모델과 데이터 기반의 의사 결정 성능 점진적 ↑ ex. 견고한 이메일 스팸 필터, 편리한 텍스트와 음성 인식 소프트웨어, 믿을 수 있는 웹 검색 엔진, 체스 대결 프로그램, 자율 주행 자동차, 의료 어플리케이션,... 2. 머신 러닝의 세 가지 종류 지도 학습 레이블된 데이터 직접 피드백 출력 및 미래 예측 비지도 학습 레이블 및 타깃 X 피드백 X 데이터에서 숨겨진 구조 찾기 강화 ..