TIL18

 

오전 튜터님 퀴즈

 

1.sigmoid 0~1사이의 값을 출력한다 그걸 
2.정답이0인경우 정답이 1인경우는 우상향한그래프
선형회귀 mean squared error: 두 점 사이의 오차값을 측정
(분류로볼수있다)논리회귀 binary_crossentropy:서로 다른  확률분포사이의
오차값을 측정 
3.소프트맥스 함수 값은 확률값 (0~1)
다항논리함수 softmax 결과값에 가중치를 확률로 바꿔주는애
sofmax로 나온 결과값 합이 1이 되어야한다.
표준화는 전처리과정 x라는 input값을 가공할때
4.One hot encoding이 번호 1이되고 나머지가 
해당하는 y값만큼의 특정한 번호의 y값에 배열이된다 길이 23
5.학습할때는 x_data_scaled=  scaler.fit_transform(x_data)

scaled 바꾼값을 반환해주는거 그 데이터를 넣을 변수를 지정해줘야된다
data값을 바꾸는게 아니라 바꾼걸 반환하는게 포인트


6.sigmoid
7.dense(3)x => dense(23) dense값 y값을 23으로 나타내주고싶어서
모델의 출력값을 23개로 나타내기위해서
dense안의값은 y=ax+b 에서 y값을 출력해내기위한 그런부분이라고생각하면되
softmax는 그 dense로 y값을 뽑아준걸 확률로만 바꿔서 뽑는것



8. .toarray가 빠져있어서 3번째줄쯤
9. metrics는 평가 지표 손실함수에 최적화된값에는 전혀 영향이 없다. 예측한값이 일치하는가 논리적인 회귀가 아니라  수치적인 회귀를 할때 rmse
논리회귀 문제마다 평가지표를 다르게해야된다. 
정확도는 몇개중에 몇개가 맞았느냐 분류문제에서는 정확도 사용가능
회귀문제에서는 정답이 20.1 ? 모델측정값이 20
rmse 
   
10.앞에 !붙으면 리눅스 계열의 OS를 사용하기 때문에 os명령어
리눅스 계열의 OS명령어(콘솔 명령어)





one hot encoding x데이터는 실제값 y데이터는 임의로 label을 만들어준다.
논리회귀는 분류라고했는데
1로 찍어서 나타낼수있다 선형회귀는 딱딱 나뉘어지는게 아니라서


회귀이긴한데 논리회귀가 분류처럼 표시를 해주기위해서 sigmoid를 사용한다
연속적인값

선형회귀 후 시그모이드 0과 1로만 나타낸다

다항분류에는 여러확률이 나오는거니까

sigmoid가 아니라 softmax가들어간다.

Binary Cross Entropy 크로스 엔트로피의 오차가 
오차를 계속 줄여나가야된다.=> 이래야 더 좋은 모델이 된다

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ

 

입력과 출력은 정해져있어서 노드의개수를 바꿀수가없다.

 

iteration 반복하는 과정

 

선형회귀 다음에 선형회귀 activation 대신에 dense layer(밀집 되어있다) Fully Connected Layer => 전부 다 연결되어있는 FC레이어 선형 회귀보다는 dense FC레이어로 많이 부를예정

 

i

MLP랑 다른점 input값과 hidden값을 넣어줘야하고 저장해둬야된다 input과 output

 

dense레이어는 히든레이어와 output 레이어

 

픽셀은 255로 되어있어서 255로 나눠준다