시그모이드

퍼셉트론, 신경망

1. 퍼셉트론 1-1. 퍼셉트론이란? 다수의 신호를 입력으로 받아 하나의 신호를 출력한다. 퍼셉트론 신호는 0/1의 두가지 값을 가질 수 있다. 그림의 원을 노드 혹은 뉴런이라고 부른다. 입력 신호가 뉴런에 보내질 때는 각각 고유한 가중치(w1, w2)가 곱해진다. 뉴런에서 보내온 신호의 총합이 한계값을 넘어설 때만 1을 출력하고 한계를 임계값(θ)이라고 한다. 단층 퍼셉트론은 직선 하나로 나눈 영역만 표현이 가능하다. 비선형, 곡선 영역은 표현할 수 없다. 1-2. 다층 퍼셉트론 단층 퍼셉트론에 층을 추가해서 다층 퍼셉트론을 만들 수 있다. 기존 단층 퍼셉트론에서 표현하지 못했던 곡선, 비선형 영역의 표현이 가능해진다. 2. 신경망 2-1. 신경망의 구조 가장 왼쪽 줄을 입력층, 맨 오른쪽 줄을 출력층..

[ 혼자 공부하는 머신러닝 + 딥러닝 ] 로지스틱 회귀

로지스틱 회귀 데이터 준비하기 CSV 파일을 읽을 경우 데이터프레임 형태로 저장된다. 데이터프레임에서 사용할 열을 입력데이터와 타깃데이터로 구분해 넘파이 배열로 변환한다. 분류한 입력과 타깃을 사이킷런의 train_test_split 함수를 활용하여 훈련데이터와 테스트데이터로 분할한다. from sklearn.model_selection import train_test_split 사이킷런의 standardscaler를 사용하여 훈련데이터와 테스트데이터를 전처리(표준화)해준다. standardscaler 객체 생성후 fit 함수로 훈련 후 transform 함수로 변환 transform 함수로 테스트세트와 훈련세트 모두 변환해줘야 한다. 타깃데이터에 2개 이상의 클래스이 포함된 문제를 다중 분류라고 한다...