흰고래의꿈

1. 개요 CNN과 사천성 알고리즘을 이용하여 거상 작업장을 자동으로 수행해주는 프로그램을 만드는 프로젝트를 수행해 볼까합니다. 거상 작업장 중 사천성 게임을 자동화 하기 위해서는 2가지 종류의 스테이지를 수행해야합니다. 첫번째는 글자입력이며 두번째는 사천성 미니게임입니다. 2. 결과(19.03.06) 작년 18년 8월에 작성했던 글의 결과를 반년이 지난 19년 3월에 쓰게 되었네요.해당 프로젝트는 프로젝트 목표작성과 함께 정확히 일주일 후 완성을 하였습니다. 또한 프로젝트 진행 중 2번의 경고와 한번의 계정 정지라는 재미있는 해프닝이 있었던 프로젝트였습니다. 메크로 자체가 불법인 이유 뿐 아니라 여러가지 이유로 풀 코드는 게시는 힘들 것 같습니니다. 그리고 똑같이 만드신다고 해고 아마 빠르게 운영진에게..

1. 기사 문제 은행? Excel 필기는 온라인 CBT를 이용해 공부하였는데 실기는 잘 없더라구요. 그래서 그냥 Excel로 만들어 공부해 보았습니다. 문제는 당연히 직접 넣어야 하구요. 각자 공부하시면서 나올꺼 같다 싶은거 추가하시면 됩니다. 제가 공부하던 내용 그대로 들어있으며 일주일간 빠르게 공부한다고 오탈자 많습니다. 덤으로 DB 및 이론에 관해 정리한 것도 올려두었습니다. 마찬가지로 오탈자 있어요. 2. 기사 문제 은행? Excel 사용법Sheet는 총 4개 퀴즈, 문제, 복습, 틀린문항으로 구분되어 있습니다. 아래는 '퀴즈 Sheet'입니다. 누가 봐도 쉬운 인터페이스로 구성하였습니다. 다음은 '문제 Sheet'입니다. A열 같은 경우 Rand()함수를 써서 문제를 섞을 수 있게 만들었습니다...

1. DataSet(1) - 폐암 수술 환자의 생존률 데이터 폐암 수술 환자의 생존률 데이터()입니다. 17개의 속성과 1개의 결과가 있고 결과는 0 또는 1입니다. 책 모두의 딥러닝(저자-조태호)에서 가져온 셈플 데이터입니다. 2. Source Code of DataSet(1) 히든 레이어가 하나이며 결과가 0 또는 1, 즉 2개의 그룹중 하나가 선택되기 때문에 결과 레이어에 sigmoid 사용하였습니다. # Import necessary libraries from keras.models import Sequential from keras.layers import Dense import numpy import tensorflow as tf # Read Input Data Data_set = numpy...

1. 개요 가중치를 조절하는 방법으로 다들 경사 하강법을 알고 계실 것이라 생각합니다. 경사 하강법은 정확하게 가중치를 찾아가지만 가중치를 변경할때마다 전체 데이터에 대해 미분해야 하므로 계산량이 매우 많습니다. 즉 많은 계산량때문에 속도가 느리고, 추가적으로 최적해를 찾기 전 학습을 멈출 수도 있습니다. 이러한 점을 보안한 다양한 경사 하강법이 등장하였고 몇 가지를 소개하려고 합니다. 2. SGD(확률적 경사 하강법) 확률적 경사 하강법(Stochastic Gradient Descent)는 경사 하강법과 다르게 한번 학습할 때 모든 데이터에 대해 가중치를 조절하는 것이 아니라, 램덤하게 추출한 일부 데이터에 대해 가중치를 조절합니다. 결과적으로 속도는 개선되었지만 최적 해의 정확도는 낮습니다. 수식은 ..

1. Tensorflow 와 jupyter offline에서 Anaconda에 설치(Windows) 인터넷이 연결되지 않은 컴퓨터의 아나콘다(Anaconda)에 텐서플로우(Tensorflow)와 jupyter를 설치하는 방법이다.1. 아나콘다를 설치한다. 아나콘다는 아나콘다 홈페이지에서 그냥 설치를 하면 되기 때문에 크게 문제가 없을 것이라고 생각한다.2. 인터넷이 연결되어 있는 컴퓨터에서 Anaconda Prompt를 실행시킨다.3. 인터넷이 연결되어 있는 컴퓨터에서 새로가상환경 생성과 Tensorflow를 포함한 패키지를 설치한다. > conda create -n python=3.5 > activate (tensorflow) > pip install tensorflow 3. 새로 생성된 (Path)\..

1. Tensorflow 싸이트의 Decaying the learning rate 글을 작성하기전 Tensorflow에서 제공하고 있는 5개의 decay함수에 대한 정의가 들어있는 싸이트이다. ▪ tf.train.exponential_decay ▪ tf.train.inverse_time_decay ▪ tf.train.natural_exp_decay ▪ tf.train.piecewise_constant ▪ tf.train.polynomial_decay 2. tf.train.exponential_decay 사용법 사용법 설명은 맨 첫번재 decay 함수인 tf.train.exponential_decay를 설명할 것이다. 홈페이지에 명시되어 있는 파라메터는 다음과 같다. ▪ learning_rate: A sc..

1. 참고 싸이트 글을 작성하기 전 참고 했던 소스코드다. ▪ 서울대학교 최성준님 ▪ Aymeric Damien ▪ Nathan Lintz 2. Multilayer Perceptron MLP를 공부하기 전 다들 단일 Perceptron을 공부하였을 것이라 생각한다. 코드를 한번 보면 쉽게 알 수 있듯이 하나의 결과를 얻기 위해 Perceptron을 중복으로 수행한것이다. 즉 Input이 x이고 output을 y일때 단일 Perceptron은 f(x) = y, Multilater Perceptron은 f(g(x)) = y라고 표현할 수 있다. 다만 g(x)의 결과값이 활성함수로 인해 f(x)의 계산에 사용될지 사용되지 않을 지 정해진다. 그리고 Hidden Layer가 증가할수록 f(g(h(k(x)))=y..

1. Logistic Regression 이번 글 역시 이전 글과 똑같이 김성훈 교수님의 유튜브 강의를 기반으로 하여 작성하였다. 아래 사진을 클릭하면 동영상 싸이트로 갈 수 있다. 1. Logistic Regression(Classification) Logistic Regression의 결과는 yes/no, 1/0과 같이 2개 결과를 가진다. 예로 들어 하나의 변수 x가 있을 때 x의 값 50을 기준으로 작으면 0, 크면 1이라고 한다. 이러한 관계 때문에 데이터의 분포가 Linear Regression과 달라 지고 결과적으로 Linear Regression에서 사용한 Hypothesis(H(x) = Wx+b)를 사용할 수 없다. 강의에서는 수식을 사용할 수 없는 이유는 2가지를 제시하였다. 첫번째 이..

1. 개요 학습 모델을 선정하기에 앞서 학습할 데이터의 분포의 특징에 따라 어떠한 회귀법을 사용할지 선택해야한다. 회귀법을 선택할때 고려할 요소는 독립 변수이 수, 종속 변수의 유형 그리고 회귀선의 형태가 있다. 해당 글은 analyticsvidhya의 글을 번역한 것이라고 보면 된다. 2. Regression 종류 1. Linear Regression 가장 널리 알려진 모델링 기술 중 하나이며 종속 변수(Y)는 연속적이며 독립 변수(X)는 연속적이거나 이산적일 수 있으며 회귀선은 선형을 가진다. 방정식 Y = a + b*X로 표시되며, 여기서 a는 절편이고, b는 선의 기울기, e는 오차 항을 나타낸다. 단순 선형 회귀과 다중 선형 회귀의 차이점은 독립 변수(X)의 수에 따라 결정된다. 학습한 선에 대..

1. 범주형 속성 처리 1. 범주형(Categorical) 속성 ▪ 예제 : 성별, 전공, 특기 2. 범주형 속성을 Asymmetric binary 변수로 변환함 3. 주요 이슈 ▪ 범주형 속성 value가 여러 종류라면?- 다른 속성을 추가한다. ▪ 한쪽 속성값으로 편향되었다면?- 새로운 정보가 없다고 속성을 판단하여 제거한다. 2. 연속형 속성 처리 1. 연속형(Continuous) 속성 ▪ 예 : 나이, 몸무게, 연봉 2. 처리 방법 ▪ 이산화 기반(Discretization-based) 방법 • 통계 기반(Statistics-based) 방법 • Non-discretization 기법 • Min-Apriori 기법 3. 연속형 속성 처리 방법 1. 이산화 기반(Discretization-based..