| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
- Q-Learning
- 정리
- data
- Logistic regression
- 논리 회귀
- 선형 회귀
- iris
- csv
- convolutional neural network
- 요약
- CNN
- cost function
- Gradient descent algorithm
- 딥 러닝
- RL
- 비용 함수
- Deep learning
- Neural network
- sklearn
- 시그모이드 함수
- Sigmoid Function
- 회귀
- 기울기 감소 알고리즘
- 합성곱 신경망
- Kaggle
- reinforcement learning
- 강화학습
- Logistic
- machine learning
- regression
- Today
- Total
목록SET (3)
컴공돌이의 스터디 블로그
[Iris_4] - Iris DataSet에 Logistic Regression 사용해 보기
* 이 글은 Iris DataSet을 이용한 실습 과정을 정리한 글입니다. Iris DataSet에 Logistic Regression 사용해 보기 Iris DataSet에 사용할 수 있는 많은 Classifier 중에서 이번 글에서는 Logistic Regression에 대해서 알아보겠습니다. Logistic Regression은 sklearn 패키지에 구현되어 있기 때문에 간편하게 사용이 가능하지만 함수를 자세히 살펴본다면 함수 내부의 파라미터 값을 조절 할 수 있고 이 값을 조절 해줌으로써 성능이 향상될 수도 하락할 수도 있습니다. 이번 글에서는 단순한 Default 값의 파라미터들을 사용하는 것이 아닌 몇개의 파라미터들 중에서 Iris DataSet에 가장 좋은 성능을 가질 수 있는 파라미터로 실..
[Iris_3] - Iris DataSet에 Classifier 사용해 보기
* 이 글은 Iris DataSet을 이용한 실습 과정을 정리한 글입니다. Iris DataSet에 Classifier 사용해 보기 Iris DataSet은 4개의 변수 Sepal Length, Sepal Width, Petal Length, Petal Width와 4개의 변수마다 해당하는 Iris의 종류로 구성되어 있습니다. Iris의 종류가 결과값이기 때문에 Iris DataSet을 사용해서 할 수 있는 실습은 Classification이라는 것을 알 수 있습니다. Classification을 하기 위해서는 데이터에 Classifier를 적용시켜야 합니다. Classifier은 굉장히 종류가 다양하고 많지만 이번 글에서는 많이 알려지고 많이 쓰이는 Classifier들인 Logistic (Regres..
[Iris_1] - Iris DataSet 가져오기
* 이 글은 Iris DataSet을 이용한 실습 과정을 정리한 글입니다. Iris DataSet 가져오기 Iris DataSet은 1930년대부터 시작된 고전적인 데이터셋이기 때문에 DataSet을 가져오는 방법에도 여러가지 방법이 존재합니다. 하지만 가장 간단한 방법은 Scikit-Learn에 들어있는 Iris DataSet을 코드상으로 불러오는 방법일 것입니다. 1234567891011from sklearn.datasets import load_irisimport pandas as pdimport numpy as np Iris = load_iris() Iris_Data = pd.DataFrame(data= np.c_[Iris['data'], Iris['target']], columns= Iris['..