Recent Posts
Link
250x250
오늘보다 더 나은 내일의 나에게_
비전공자의 IoT 국비 교육 수강일지 Day_88 본문
728x90
머신러닝
기존 머신러닝과 딥러닝의 차이점
Linear Model(Regression)
=> 수치형(회귀), 범주형(분류)
경사하강법 예제
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
data = pd.DataFrame([[2,20],[4,40],[8,80],[9,90]],
index=['예진','해도','세연','명진'],
columns=['공부시간','성적'])
data
loss function(비용함수)
: 가설이 실제 데이터에 적합한지 수치화시키는 함수
- 선형회귀는 비용함수로 MSE(평균제곱오차)를 활용한다.
# h(x)
def h(w,x) : # 가설함수
return w*x+0
h(10,1) # => 10
# MSE
def MSE(data,target,weight): # 문제,정답, 가중치
y_pre=h(weight,data) # 예측값
return ((y_pre - target) ** 2).mean()
# 시각화
weight_arr = np.linspace(0,20,50)
weight_arr
c_list = [] # MSE을 담아둘 리스트
for w in weight_arr:
c = MSE(data['공부시간'],data['성적'],w)
c_list.append(c)
plt.plot(weight_arr,c_list, marker='*') # 라인 그래프
plt.show()
728x90
'비전공자의 코딩일지' 카테고리의 다른 글
비전공자의 IoT 국비 교육 수강일지 Day_90 (0) | 2022.04.26 |
---|---|
비전공자의 IoT 국비 교육 수강일지 Day_89 (0) | 2022.04.25 |
비전공자의 IoT 국비 교육 수강일지 Day_87 (0) | 2022.04.21 |
비전공자의 IoT 국비 교육 수강일지 Day_86 (2) | 2022.04.20 |
비전공자의 IoT 국비 교육 수강일지 Day_85 (0) | 2022.04.19 |
Comments