Free

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

1. 문제 정의와 데이터셋 수집 입력과 출력이 무엇인지, 어떤 데이터를 사용할 것인지 2. 성공 지표 선택 성공은 무엇인가를 정의 성공의 지표가 모델이 최적화할 손실 함수를 선택하는 기준이 됨 3. 모델 평가 방법 선택 데이터를 훈련, 검증, 테스트 세트로 나눔 홀드아웃 검증 세트 분리: 데이터가 풍부할 때 사용 K-겹 교차 검증: 홀드아웃 검증을 사용하기에 샘플의 수가 너무 적을 때 사용 반복 K-겹 교차 검증: 데이터가 적고 매우 정확한 모델 평가가 필요할 때 사용 선택할 때 유의해야할 사항: 대표성 있는 데이터, 시간의 방향, 데이터 중복 4. 데이터 준비 데이터 전처리 벡터화 정규화 누락된 값 다루기 특성 추출 5. 기본보다 나은 모델 훈련하기 통계적 검정력을 달성하는 것 아주 단순한 모델보다 나..

※공부하는 과정에서 자주 헷갈리거나 궁금한 내용들을 정리해놓은 글이며 개인 공부의 용도로 작성한 글입니다. 심층신경망과 다층퍼셉트론이 뭐가 다른가 다층 퍼셉트론(Multi-layer Perceptron)은 은닉층이 1개 이상인 퍼셉트론 은닉층이 2개 이상인 신경망을 심층 신경망 (Deep Neural Network, DNN) 학습을 시키는 신경망이 심층 신경망일경우 심층 신경망을 학습시칸다고 하여 딥러닝(Deep Learning) 그렇다면 신경망과 퍼셉트론은 뭐가 다른가 수많은 퍼셉트론을 묶어놓은 일종의 다발, 신경망(neural network) 딥러닝과 머신러닝의 차이 일반적으로 프로그램은 사람이 "A라는 입력에 B라는 조건이 성립하면 X를 작동시켜라"와 같이 명시적으로 프로그램을 작성해 줘야 하는데,..

행렬의 내적 그림에서처럼 왼쪽 행렬의 행(가로)과 오른쪽 행렬의 열(세로 방향)을 원소별로 곱하고 그 값들을 더해서 계산 a와 b는 2x2행렬 두 행렬의 내적은 넘파이 함수 np.dot()으로 계산 a는 2x3행렬, b는 3x2행렬 -> '행렬의 형상'에 주의 -> 행렬 a의 1번째 차원의 원소 수(열 수)와 행렬 b의 0번째 차원의 원소 수( 행 수)가 같아야 함 -> 행렬 A와 B의 대응하는 차원의 원소 수가 같아야 함 -> 행렬 C의 형상은 행렬 A의 행 수와 행렬 B의 열 수가 됨 참고 : 밑바닥부터 시작하는 딥러닝 (사이토 고키 지음)

import re s = """ park 010-9999-9988 kim 010-9909-7789 lee 010-8789-7768 """ pat = re.compile("(\d{3}[-]\d{4})[-]\d{4}") result = pat.sub("\g-####",s) print(result) sub 첫 번째 매개변수: 바꿀 문자열(replacement) 두 번째 매개변수: 대상 문자열 출처 : 점프 투 파이썬

dic = { '.-':'A','-...':'B','-.-.':'C','-..':'D','.':'E','..-.':'F', '--.':'G','....':'H','..':'I','.---':'J','-.-':'K','.-..':'L', '--':'M','-.':'N','---':'O','.--.':'P','--.-':'Q','.-.':'R', '...':'S','-':'T','..-':'U','...-':'V','.--':'W','-..-':'X', '-.--':'Y','--..':'Z' } def morse(src): result=[] for word in src.split(" "): for char in word.split(" "): result.append(dic[char]) result.appen..