일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
- linux
- 데이터크롤링
- numpy
- 비지도학습
- 머신러닝
- 달의조각
- Deeplearning
- XOR게이트
- AND게이트
- 선형회귀
- NAND게이트
- 퍼셉트론
- 판다스
- 파이썬
- seaborn
- OR게이트
- 데이터시각화
- DataFrame
- pandas
- Perceptron
- 크롤링
- 씨본
- 우분투
- 로지스틱회귀
- 데이터프레임
- 리눅스
- ubuntu
- 데이터분석
- python
- 딥러닝
- Today
- Total
목록지식 정보 공유 (40)
Charming ['ㅡ'] Ham !
# AND 게이트 # 입력 신호가 2개 일 때 def AND(x1, x2) : w1, w2, theta = 0.5, 0.5, 0.7 tmp = x1*w1 + x2*w2 if tmp theta : return 1 print(AND(1, 1)) # 1을 출력 print(AND(1, 0)) # 0을 출력 print(AND(0, 1)) # 0을 출력 print(AND(0, 0)) # 0을 출력 1 0 0 0 # 가중치와 편향을 도입한 AND 게이트 import numpy as np def AND(x1, x2) : x = np.array([x1, x2]) # 입력신호 x w = np.array([0.5, 0.5]) # 가중치 b = -0.7 # 편향 tmp = np.sum(w*x)+b if tmp
In [11]: # AND 게이트 # 입력 신호가 2개 일 때 def AND(x1, x2) : w1, w2, theta = 0.5, 0.5, 0.7 tmp = x1*w1 + x2*w2 if tmp theta : return 1 print(AND(1, 1)) # 1을 출력 print(AND(1, 0)) # 0을 출력 print(AND(0, 1)) # 0을 출력 print(AND(0, 0)) # 0을 출력 1 0 0 0 In [14]: # 가중치와 편향을 도입한 AND 게이트 import numpy as np def AND(x1, x2) : x = np.array([x1, x2]) # 입력신호 x w = np.array([0.5, 0.5]) # 가중치 b = -0.7 # 편향 tmp = np.sum(w*x)..
퍼셉트론 (perceptron) 다수의 신호 (정보) 를 입력 으로 받아 앞으로 전달, 최종적으로 0 또는 1 이라는 하나의 신호를 출력 한다. 각 각의 신호를 뉴런 (neuron) 혹은 노드 (node) 라고 하며, 앞으로 전달되면서 각 각 고유한 가중치 (weight) 가 곱해진다. 각 노드에 가중치를 곱해 앞으로 전달된 값이 정해진 한계값을 넘어설때 1을 출력 한다. 이를 '뉴런이 활성화 한다.' 라고 표현하며, 정해진 한계값을 임계값 (𝜃θ) 로 표기한다. 2개의 입력을 받는다고 가정 했을때, 각 각의 신호를 𝑥1,𝑥2x1,x2 ,가중치 가 𝑤1,𝑤2w1,w2 일때 다음과 같은 식으로 표현할 수 있다. 𝑦={0(𝑤1𝑥1+𝑤2𝑥2≤𝜃)1(𝑤1𝑥1+𝑤2𝑥2>𝜃)y={0(w1x1+w2x2≤θ)1(w1x..
선형 회귀와 로지스틱 회귀¶ 회귀 (Regression), 회귀분석 (Regression Analysis) 란 ?¶ 회귀분석 (Regression Analysis) 란 통계학에서 주로 사용되는 방법으로 수집된 여러 데이터를 통해 각 연속형 변수간의 상관관계를 모델링하고, 적합도를 측정하는 분석 방법이다. 회귀 분석은 특정 조건 x 가 변하면 y 도 함께 변하는 형태의 문제를 분석하는데 주로 활용되며, 예를 들면 부모님의 키와 자식의 키 사이의 관계, 위치와 집 값의 관계 등이 있다. 즉, 독립변수 (independent variable) 와 종속변수 (dependent variable) 사이의 상관을 설명하는 문제들이다. 독립변수는 설명변수 (explanatory variable), 종속변수는 반응변수 ..
데이터 크롤러 만들기¶ 크롤링이란 말을 한번쯤은 들어봤을 수 있는데, 크롤링은 바로 웹에서 데이터를 긁어오는 작업을 의미하며, 이 작업을 수행하는 모델을 크롤러라 한다. 머신러닝, 데이터 분석에서 원본 데이터를 모르는 것은 매우 중요한 일이며, 이 원본 데이터를 크롤링하는 크롤러 프로그램을 만들어 데이터를 수집하고 있다. 크롤러의 아키텍처는 멀티 스레드를 이용해 웹과 HTTP 통신을 하고,Queue (큐) 형태의 자료구조를 이용해서 구현한다. 또한 데이터는 URL 을 통해 전달되는데 이렇게 전문적인 데이터 크롤러 구현은 간단하지만은 안으므로 오늘은 파이썬을 이용한 데이터 크롤러를 구현해보자. 파이썬 크롤링 라이브러리¶ 크롤링 작업을 위해서는 웹 페이지를 불러오고, 해당 웹 페이지에서 원하느나 데이터가 어..
HTTP 메세지¶ 웹은 통신 규약으로 HTTP를 사용하는데, HTTP는 요청(Request)하고, 응답(Response)하는 서버/클라이언트 모델을 따른다. HTTP 의 메세지는 request / status line 과 header, body 로 이루어져있다. request line 은 데이터 좀 주세요 하는 요청의 내용을 포함하고 있어 요청 메소드와 타겟 주소 (어디서 데이터를 가져오고자 하는지) 가 포함되어야 한다. Request Method (요청 메소드) 는 다음과 같다.¶ GET: read, 정보를 요청 HEAD: 헤더 정보만 요청 POST: create, 정보를 생성, 변형 할 때 사용 PUT: update, 정보를 수정 DELETE: delete, 정보를 삭제 OPTIONS : 사용 가능한..