컴퓨터공학47 기계 학습 5. Support Vector Machine(SVM) 서론 SVM(Support Vector Machine)은 지도 학습 알고리즘 중 하나로, 주어진 데이터를 기반으로 분류 또는 회귀 분석을 할 수 있는 알고리즘이다. 주로 분류 작업에 사용되며, 결정 경계를 찾고 데이터를 클래스로 분류하는 데 중점을 둔다. SVM은 주어진 데이터를 가장 잘 분류하는 경계를 찾는 것이 목표이며, 이를 위해 데이터 포인트 사이의 간격(마진)을 최대화하려고 노력한다. 이러한 알고리즘은 선형 및 비선형 문제에 모두 적용할 수 있으며, 커널 트릭을 사용하여 고차원 공간으로 데이터를 변환하여 분류 작업을 수행할 수 있다. SVM은 이상치에 강한 경향이 있고, 비교적 적은 데이터로도 잘 일반화될 수 있는 강력한 모델이다. Linear SVM Classification 선형 SVM 분류.. 2023. 10. 19. 기계 학습 4. 회귀(Regression) 분석 서론 학습 모델 중에서 가장 심플한 선형 회귀(Linear Regression) 모델에 대해 우선 살펴보자. 해당 모델은 크게 두 분류로 구분할 수 있다. 훈련 세트에 대해 모델을 가장 잘 맞게 하는 모델 파라미터를 직접 계산하는 "closed-form" 방정식을 사용하는 방식과 경사 하강법(Gradient Descent, GD)이라는 반복적인 최적화 접근 방식을 사용하여 점진적으로 모델 파라미터를 조정하여 훈련 세트 상의 비용 함수를 최소화하도록 하는 방식으로 나뉜다. 이외에 선형 회귀를 이용하여 다항 회귀(Polynomial Regression)를 이해하고 마지막으로 분류 작업에 흔히 사용되는 Logistic Regression과 Softmax Regression 두 가지 모델을 살펴볼 것이다. Li.. 2023. 10. 19. 기계 학습 3. 분류(Classification) 서론 기계 학습에서 Classification(분류)은 데이터를 미리 정의된 클래스 또는 카테고리로 분류하는 작업을 의미한다. Classification은 데이터 분석, 패턴 인식, 예측 및 의사 결정 등 다양한 분야에서 중요한 역할을 하며, 기계 학습의 주요 응용 분야 중 하나이다. MNIST MNIST(엠니스트) 데이터셋은 70,000개의 손으로 쓴 작은 숫자 이미지로 구성된 데이터이다. 이 데이터셋은 미국 인구조사국의 고등학생과 직원들에 의해 손으로 쓰인 숫자 이미지로, 각 이미지는 해당하는 숫자로 레이블링 되어 있다. Scikit-Learn에서 로드한 데이터셋은 일반적으로 다음과 같은 딕셔너리 구조를 가지고 있으며, 이 안에는 다음과 같은 키(key)들이 포함되어 있다. from sklearn.d.. 2023. 9. 20. 기계 학습 2.프로젝트 진행 과정 서론 기계학습이 만들어지는 일반적인 흐름을 살펴보며 기계학습에 대한 이해를 높여보자. 과정 큰 그림 보기(Look at the big picture.) 데이터 가져오기(Get the data.) 데이터 시각화로 통찰력 갖기(Discover and visualize the data to gain insights.) 머신 러닝을 위한 데이터 준비(Prepare the data for Machine Learning algorithms.) 학습 모델 선정(Select and train a model.) 모델 조정(Fine-tune your model.) 출시 및 관리, 유지 보수(Launch, monitor, and maintain your system.) 큰 그림 보기 문제 정의 머신러닝 모델을 구축하는 것이.. 2023. 9. 18. 기계 학습 1.기본 개념 서론 머신 러닝(Machine Learning)은 데이터로부터 학습하는 컴퓨터 과학의 한 분야이다. 최근에 AI가 많은 관심을 받고 있다. 이 기술은 최근에 만들어진 개념이 아니라, 과거부터 존재했던 개념이다. Arthur Samuel(1959)은 "머신 러닝은 컴퓨터가 데이터로부터 학습할 수 있도록 프로그래밍하는 과학"이라고 정의했다. Tom Mitchell(1997)은 "머신 러닝은 컴퓨터에게 명시적으로 프로그래밍하지 않고도 학습할 수 있는 능력을 부여하는 연구 분야"라고 설명했다. 이렇듯 과거에서도 많은 연구가 있었고 현재에 와서 다양한 실용성을 가진 인공지능이 등장했기에 각광을 받는 것이다. 머신 러닝(Machine Learning, 기계학습) 핵심 개념 머신 러닝의 핵심 개념 중 하나는 경험(E.. 2023. 9. 13. 컴퓨터 네트워크 1. 개요 서론 데이터 통신과 네트워크는 현대 사회에서 핵심적인 역할을 담당하는 분야로, 정보를 주고받고 기기들이 상호 연결되는 기반을 제공한다. 이는 컴퓨터 및 기타 디지털 기기들이 서로 통신하고 데이터를 교환할 수 있는 방법을 제공하며, 인터넷을 비롯한 다양한 네트워크 시스템을 구축하는 핵심 개념들을 포함한다. 데이터 통신과 네트워크는 정보의 전송 속도와 신뢰성, 보안 등을 고려하여 데이터의 원활한 이동을 보장하고, 다양한 서비스 및 애플리케이션들을 지원한다. 이를 위해 프로토콜, 라우팅, 스위칭 등 다양한 기술과 방법이 사용되며, 전세계적인 컴퓨터 네트워크의 발전은 현대 사회의 정보화와 글로벌 커뮤니케이션의 핵심 요소로 인식되고 있다. 데이터 통신 데이터(data)는 데이터를 만들어 사용하는 사용자 간에 합의.. 2023. 6. 24. 강화학습 실습 코드 보호되어 있는 글 입니다. 2023. 5. 23. 강화 학습 8. The Asynchronous Advantage Actor Critic(A3C) Network 서론 DQN(Deep Q Network)이 Atari 게임을 플레이하기 위해 학습을 일반화하는 데 어떻게 성공했는지 알아보았다. 그러나 많은 양의 계산 능력과 훈련 시간이 필요했다. 그래서 Google의 DeepMind는 A3C(Asynchronous Advantage Actor Critic) 알고리즘이라는 새로운 알고리즘을 도입했는데, 이 알고리즘은 계산 능력과 교육 시간이 덜 필요하다는 장점이 있다. A3C의 기본 아이디어는 병렬 학습을 위해 여러 에이전트를 사용하고 전체 경험을 집계한다는 것이다. 이 페이지에서 A3C 네트워크가 어떻게 작동하는지 알아보자. 사전 지식 Advantage Function Q 함수가 상태 𝑠에서 에이전트가 행동 𝑎을 수행하는 것이 얼마나 좋은지 지정하고 가치 함수(val.. 2023. 5. 23. OS 14. File System Implementation 서론 파일 시스템은 데이터와 프로그램을 포함하여 파일 내용의 온라인 접근과 온라인 저장을 위한 기법을 제공한다. 보통 파일 시스템은 많은 양의 자료를 보관하도록 설계된 보조저장장치에 영구적으로 상주한다. File system implementation 파일 시스템 구현은 사용자와 저장 관리의 관점에서 이루어진다. 사용자 관점에서는 파일 시스템 인터페이스를 통해 파일과 디렉터리를 다루며, 저장 관리 관점에서는 논리적 파일 시스템을 저장 장치에 매핑하고 구현을 위한 레이아웃, 데이터 구조, 알고리즘 등을 고려한다. 파일 시스템은 저장 장치를 블록의 시퀀스로 다루며, 데이터는 블록 단위로 전송된다. 각 파일에는 속성과 파일 데이터가 저장되어야 한다. Unix 파일 시스템에서는 아이노드(Inode)를 사용하여 .. 2023. 5. 19. 이전 1 2 3 4 5 6 다음 반응형
