STUDY

1-4-1. [의료 AI] 유전자 분석을 통한 암 진단 ●데이터 살펴보기 4개의 csv 파일 - 실제 암 환자로부터 채취된 조직을 갈아서 유전자를 분석한 데이터 BRCA - 유방암, COAD - 대장암, LUAD - 폐암, THCA - 갑상선암 환자 데이터 총 2,905 명의 환자로부터 수집된 데이터 환자 한명당 피쳐 수(유전자)는 2만개 데이터는 0부터 1사이 숫자로 노멀라이즈 ●어떤 인공지능 사용? 신경망 구조 4층짜리 FNN 층 종류 크기 활성화 함수 1층 FNN 20000 - 2층 FNN 2048 ReLu - Dropout rate = 0.5 - 3층 FNN 256 ReLu - Dropout rate = 0.5 - 4층 FNN 4 SoftMax 입력층의 사이즈는 입력 데이터의 크기가 굉장히 크다보..

1-3-2. AI는 체격만 보고 체중을 추론할 수 있을까? ●데이터 살펴보기 국방부에서 공개한 병무청 신체검사 데이터 총 167,938명의 장병의 신체 치수를 측정하여 기록한 자료 가슴 둘레, 소매 길이, 신장, 허리 둘레, 샅높이, 머리 둘레, 발 길이 몸무게 각각의 피쳐와 Y값은 최댓값으로 나우어 0 부터 1사이의 소수로 노멀라이즈 ●어떤 인공지능 사용? 신경망 구조 6층 짜리 FNN 층수 종류 크기 활성화 함수 1층 FNN 7 없음 2층 FNN 256 ReLu 3층 FNN 256 ReLu 4층 FNN 256 ReLu 5층 FNN 256 ReLu 6층 FNN 1 sigmoid 입력층은 7개의 피쳐를 사용하기 때문에 7 출력층은 몸무게를 예측하기 때문에 1 앞서 노멀라이즈를 통해 체중값을 0부터 1 사..

1-3-1. 분류와 회귀의 차이는 무엇일까? ●이산적 변량과 연속적 변량 이산 - 서로 떨어져 있는 값 이산적 변량 - 수량이 이산적으로 변하는 경우 연속적 변량 - 수량이 연속적으로 변하는 경우 ●분류, 이산적 변량의 세계 앞서 공부한 분류 문제는 데이터를 3개의 카테고리로 분류. 카테고리의 개수가 3개로 딱 나뉘고, 그중에서 반드시 하나를 선택해야 하므로 분류 문제는 이산적 변량의 세계 ●회귀, 연속적 변량의 세계 회귀는 연속적 변량의 세계. 분류의 세계에서는 학생의 키를 작은 편, 큰 편 등 이산적으로 예측할 수 있음. 반면 회귀의 세계에서는 학생의 키를 수치로 바로 예측. 회귀는 AI의 예측 결과가 어떤 카테고리로 딱딱 분류되는 것이 아니라 구체적인 수치를 예측하도록 학습시키는 방법.

1-2-2. AI는 꽃을 구분할 수 있을까? ●데이터살펴보기 붓꽃 - Iris Setosa, Iris Versicolor, Iris Virginica 으로 구분 3 종류 각각 50포기씩 꽃받침의 길이, 꽃받침의 너비, 꽃잎의 길이, 꽃잎의 너비, 꽃의 종류 ●어떤 인공지능 사용? 3층짜리 FNN 층수 종류 크기 활성화 함수 1층 FNN 4 없음 2층 FNN 128 ReLu - Dropout rate = 0.5 - 3층 FNN 3 SoftMax 입력층은 총 4개의 피쳐를 입력받기 위해 1층의 크기는 4로 지정 출력층은 3종류의 꽃 아종을 구분하기위해 3으로 지정 분류 문제이므로 SoftMax를 지정 2층 아래에 Dropout이라는 값이 기재 신경을 버리는 드롭아웃 Dropout은 신경 일부를 버리는 기법 ..

1-2-1. AI는 체격을 보고 초·중·고등학생을 구분할 수 있을까? ●데이터 살펴보기 데이터 - 서울시 교육청에서 공개한 학생 건강 검사 데이터 피쳐 - 커다란 데이터에서 우리가 유심하게 살펴보라고 하는 부분 노말라이즈 - AI가 공평하게 여러 피쳐를 학습할 수 있도록하는 것(여기에선 0~1사이의 값으로 만들기 위해 몸무게를 최댓값으로 나눈다) 데이터 분할 - split과정으로 80/20으로 나눔 ●어떤 인공지능을 사용? 신경망 구조 - 입력, 은닉, 출력 1개씩 구성된 간단한 FNN 층수 종류 크기(퍼셉트론 갯수) 활성화 함수 1층 FNN 3 없음 2층 FNN 128 ReLu 3층 FNN 3 Softmax 입력층은 성별, 키, 체중 3종류의 데이터를 입력받기위해 3으로 설정 딥러닝에서 입력할 데이터의..

통계와 머신러닝 베이즈 통계학 베이즈 정리 - 사후 확률을 추론하는 기법 베이즈 통계학 - 베이즈 정리를 이용하여 통계학적 문제에 접근하려는 시도 베이즈 통계학에서 어떤 사건의 확률은 사건이 일어나는 빈도가 아니라 사건에 대한 신뢰도로 정의 베이즈 확률을 사람의 손으로 계산하는 것은 어려움 -> 컴퓨터의 계산 능력의 향상 -> 베이즈 확률을 추론할 수 있는 여러 알고리즘이 등장 (특히, 나이브 베이즈 모델) 머신러닝 머신러닝은 베이즈 확률을 표현하기 위한 수학적 모델을 만드는 것에 기여 로지스틱 회귀 - 통계 기법, 머신러닝 기법의 일종, 데이터를 분석하여 사건의 발생 가능성을 예측 다양한 분야에 적용되어 분류 및 예측 문제를 해결 -> 베이즈 확률론이 현실 문제 해결에 적용가능을 입증 뇌세포를 모방한 ..

1 - 1.인공신경망과 딥러닝 1 - 1.인공신경망과 딥러닝 h-study.tistory.com 1 - 2. 분류(Classification) 기법 활용하기(1) 1 - 2. 분류(Classification) 기법 활용하기(1) 1-2-1. AI는 체격을 보고 초·중·고등학생을 구분할 수 있을까? 데이터 살펴보기 데이터 - 서울시 교육청에서 공개한 학생 건강 검사 데이터 피쳐 - 커다란 데이터에서 우리가 유심하게 살펴보라고 h-study.tistory.com 1 - 2. 분류(Classification) 기법 활용하기(2) 1 - 2. 분류(Classification) 기법 활용하기(2) 1-2-2. AI는 꽃을 구분할 수 있을까? h-study.tistory.com 1 - 3. 회귀(Regression..

해당 과정은 이 책을 기반으로 스스로 학습하는 과정을 남기기 위한 용도임. 저자 사이트 https://needleworm.github.io/ 저자는 파이참을 이용하여 해당 코드를 실행하였지만 나는 코랩을 이용하여 해당 코드를 실행해보기로 하였다. 하지만 다음과 같은 에러가 발생 - (인코딩 문제) 혹시나 저자에게 에러를 해결할 방법이 있나 물어 보았는데 굉장히 빠르게 답장을 해주었다 (- -)(_ _)(- -) 그래서 해당 파이썬 파일을 수정하여 해결하였다. 이제 해당 책을 바탕으로 새롭게 공부 시작!