archive

1. 의사결정트리 - 이와 같이 학습을 한 다음, 테스트 데이터 셋이 아닌 다른 한 장의 사진을 주어주며 위와 같은 알고리즘을 이용하여 "겨울 가족 사진" 인 사진을 걸러내라고 함 -의사 결정 트리는 다음과 같은 두 가지 메인 컨셉을 가짐 -머신은 아무것도 모르는 상태, define problem을 통해 어떤 문제를 해결하면 좋을지 정의를 내려줌 -위의 케이스에서는 "겨울 가족 사진을 찾는 것" 이 정의된 문제였을 것 -그리고 이러한 과정의 준비 단계로, 머신을 학습 시키기 위한 데이터를 모음 -데이터를 분류하고 전처리, 트리를 제작 -머신을 돌림, 또 다른 사진을 보여주면서 겨울 가족 사진을 찾는 과정을 반복함 -이 과정에서 중요한 점은, 어떤 속성을 가장 먼저 적용해야 효율적일지 알아내는 것이다. -..

-녹색 영화가 액션 영화이냐 로맨틱 영화이냐 -녹색별 데이터를 제외한 기존의 데이터 -> 판단 -> knn -knn 알고리즘 (1) k를 정해야 함 : 최근접점을 몇 개까지 볼 것인가, 보통 홀수를 사용 ex) k=3 (2) 예측값을 판단 -이와 같이 녹색별을 기준으로 한 특정 위치 내부에 존재하는 최근접점의 개수가 액션 영화가 더 많기 때문에, 녹색 별은 액션 영화일 것이다, 라는 prediction을 내놓을 수 있게 된다 -최근접점을 프로그램 상에서 어떻게 구하느냐 -> 피타고라스의 원리 -이를 구현하는 파이썬 코드 from numpy import * import operator def createDataSet(): group = array([ [1.0, 2.0], [1.0,4.0], [4.0, 1...

코테를 풀다보니 정리를 할 필요성을 느끼는 것 중 하나가 바로 Collection 모듈이랑 이진 연산... 일단 오늘은 Collection 모듈부터 정리해보려고 한다. 나도 이제 4학년이니 코테를 좀 빡 준비해야하는데 그러려면 남의 코드도 보면서 쓰윽 넘기는 게 아니라 새로운 방법론이나 잘 모르는 방법론이 있으면 확실하게 배우고 그 다음 단계로 넘어가는 것이 필요할 거 같다 아 그리고 인덱스 범위 초과 오류가 제일 많이 뜨는데, 이 부분은 꼭 고치고 싶고 문제를 딱 보면 코드를 어떻게 짜야할 지 머릿속으로 구상은 잘 되는데 그걸 구현하는 게 쉬운 일이 아닌 거 같다. 연습과 학습밖에 길이 없겠지 ! 일단 Collection 모듈에 대해서 정리해 보자 Collection 모듈은 파이썬의 자료형 (list,..

**그리디 알고리즘 -=근사 알고리즘 (현재의 최적해가 전체의 최적해를 보장하지 않음) -그리디 알고리즘은 최적해가 보장되는 조건에서만 사용해야함, 이는 다음과 같음 (1) 현재의 선택이 미래의 선택에 영향을 주지 않는다 (2) 부분의 최적해가 모이면 전체의 최적해가 된다 (최적 부분 구조 조건, Optimal Subtructure) -ex) 서울-대전-부산 : 서울과 대전 사이의 거리를 구하는 것이 대전과 부산 사이의 거리를 구하는 것에 영향을 주지 않을 뿐만 아니라, 서울-대전의 최소거리와 대전-부산의 최소거리, 즉 부분의 최적해가 모이게 되면 전체의 최적해를 보장한다. -이 두 가지 조건을 만족하기 위해서는 정렬이 핵심임 ! -ex) 회의실 배정 -> 언제 끝나느냐가 중요함, 가장 빨리 끝나는 회의..

1. 전형적인 그리디 알고리즘의 구조 -눈 앞의 이익만 추구하는 알고리즘을 총칭해서 그리디 알고리즘 (Greedy Algorithm)이라고 한다. -그리디 알고리즘은 대부분의 경우 뛰어난 결과를 도출하지 못하지만 드물게 최적해를 보장하는 경우가 있다. -그리디 알고리즘은 최적화 문제를 대상으로 한다. ** 최적해, 最適解, optimal solution 선형 프로그래밍에서 제약 조건을 충족시키는 가능한 해 (解) 중 목적 함수 값을 최대 또는 최소로 만드는 값. -최적해를 찾을 수 있으면 그것을 목표로 삼고, 찾기 어려운 경우에는 주어진 시간 내에 그런대로 괜찮은 해를 찾는 것을 목표로 삼는다. -아래는 전형적인 그리디 알고리즘의 구조이다. do 가장 좋아 보이는 선택을 한다 until (해 구성 완료)..

아주 기세등등하게 파이토치로 "제가 직접 인공신경망 구성할 겁니다 !" 하고 연구미팅에서 큰소리 땅땅 쳤더니 이기성 교수님한테 아주 그냥 바로 빠꾸 당함 사실 자신도 없었고 시간 안에 할 수 있을까라는 생각이 들기는 했었다만 생각보다 훨씬 복잡하고 훨씬 고려해야하는 사항이 많은 것이 바로 딥러닝의 세계였다 그래서 해 주신 말씀이... 다들 딥러닝 건드리기보다는 그래서 머신 러닝으로 학부생은 시작해보는 거라고... 근데 또 이제 인공지능 공부 이제 막 시작한 애가 저 딥러닝 할 거에요 ! 했을 때 교수님은 얼마나 웃겼을까 싶기도 하고... ㅎㅋ 역시 아무것도 모르는 사람이 덤볐을 때 제일 우스운 거라고 ㅋㅋ....... 이제 진짜 길을 잡았으니, 정말 제대로 해서 이 부끄러움 만회하는 수밖에 없다. 서론이..