반응형 [Adaline] - 아달린 이해하기 (적응형 선형 뉴런) 아달린이란? 문제 풀이 시 필요한 개념 : 답 아달린 그림으로 이해하기 (그림) 내용을 입력하시오. 아달린 수식으로 이해하기 (수식) 내용을 입력하시오. 인스타 주소 🎗 https://www.instagram.com/f.inn_sharp/ 2023. 4. 17. [Perceptron] - 퍼셉트론 이해하기 퍼셉트론이란? 문제 Perceptron pseudocode import numpy as np # 하이퍼 파라미터 설정 eta = 0.01 # 데이터 분할 X = Train_Data(except target) y = label(target) # 가중치 초기화 W,b = init (random value, same shape with X.shape) for epoch in epoch_number : # 가설함수 생성 y_het = np.dot(W,X) + bias # 손실함수 정의 loss = y_hat - y # 가중치 학습 w -= eta * loss b -= eta * loss 퍼셉트론 그림으로 이해하기 (그림) 내용을 입력하시오. 퍼셉트론 수식으로 이해하기 (수식) 내용을 입력하시오. 퍼셉트론의 학습.. 2023. 4. 17. [분류 모델 평가] - sklearn.metrics.roc_curve & roc_auc_score roc_curve roc_curve를 그리기 위해서는 roc_curve의 x,y값을 받아와야하는데, 이는 sklearn.matrics.roc_curve()함수에서 제공하고 있다. g해당 함수의 return값은 거짓긍정률(1 - 특이도), 참긍정률(재현율) , 임계값(Thresholds) 이 같은 순서로 출력되는 이를 Unpacking하면 해당 함수의 return값을 각각 지정해준 변수에 받아올 수 있다. from sklearn.metrics import roc_curve FPRs, TPRs, Thresholds = roc_curve(Test Data, Pred Data) roc_curve ; visualization 데이터 분석의 꽃은 시각화이기 때문에 roc_curve를 시각화해서 표현해볼 것이다. 이.. 2022. 11. 30. [분류 모델 평가] - sklearn.metrics.혼동 행렬(confusion_matrix) 혼동행렬 1. 실제값 : Test Data에 포함된 실제 값을 의미함 ( 정답 - Label ) 2. 예측값 : Train Data로 학습시킨 분석모형이 예측한 값을 의미함 (Prediction ) 구분 예측값 참(Positive) 거짓(Negative) 실제값 참(True) TP(True Positive) FN(False Negative) 거짓(False) FP(True Positive) TN(True Negative) - 'A[예측결과] + B[예측값]' : B로 예측했는데 맞네(True) /틀리네 (False) - 참으로 예측했는데 맞았네 : TP : 예측값은 참이고 맞았으니까 실제값도 참이다. - 참으로 예측했는데 틀렸네 : FP : 예측값은 참인데 틀렸으니까 실제값은 거짓이다. - 거짓으로 예측.. 2022. 11. 29. 이전 1 2 다음 반응형
