여러 개의 데이터가 순서대로 입력되었을 때 앞서 입력 받은 데이터를 잠시 기억함기억된 데이터가 얼마나 중요한지 판단하고 별도의 가중치를 주어 다음 데이터로 넘어감모든 입력에 이 작업을 순서대로 실행하므로 다음 층으로 넘어가기 전에 같은 층을 맴도는 것처럼 보임LSTM(Long Short Term Memory)한 층 내에서 반복을 많이 해야 하는 RNN의 특성상 일반 신경망보도 ‘기울기 소실 문제’가 더 많이 발생하고 이를 해결하기 어려움. 이러한 단점을 보완하기 위해 등장한 기법  LSTM을 이용한 로이터 뉴스 카테고리 분류데이터 불러오기from tensorflow.keras.datasets import reuters(X_train, y_train),(X_test, y_test) = \          ..

자연어(Natural Language)우리가 평소에 말하는 음성이나 텍스트를 의미자연어 처리(Natural Language Processing)음성이나 텍스트를 컴퓨터가 인식하고 처리텍스트의 토큰화토큰(token) 분석할 텍스트를 단어별, 문장별, 형태소 별로 나눈 것# 전처리 과정 연습# 케라스의 텍스트 전처리와 관련한 함수 중 text_to_word_sequence 함수를 불러옵니다.from tensorflow.keras.preprocessing.text import text_to_word_sequencetext = '해보지 않으면 해낼 수 없다'result = text_to_word_sequence(text)print('원문 :', text)print('토큰화된 결과 :', result) text ..

이미지 인식하는 원리from tensorflow.keras.datasets import mnist(X_train, y_train), (X_test, y_test) = mnist.load_data() print("shape of 'X_train':", X_train.shape)print("type of 'X_train' :", type(X_train) ) print("shape of 'X_train[0]':", X_train[0].shape)print("type of 'X_train[0]' :", type(X_train[0]) ) import matplotlib.pyplot as pltplt.imshow(X_train[0], cmap='Greys')plt.show() #라벨 출력y_train[0] # 5i..

아이오와주 에임스 지역 집값 예측데이터 불러오기 및 확인import pandas as pd# 깃허브에 데이터를 가져옴!git clone https://github.com/taehojo/data.git# 집 값 데이터를 불러옴df = pd.read_csv("./data/house_train.csv")# 데이터 파악하기 df 카테고리 변수 처리df['SaleCondition'].value_counts() # 카테고리형 변수를 0과 1로 이루어진 변수로 변경df = pd.get_dummies(df)SaleCondition_cols = [col for col in df.columns if 'SaleCondition' in col]SaleCondition_colsdf[SaleCondition_cols] 결측치 처..

from tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Densefrom sklearn.model_selection import train_test_splitimport pandas as pd# 와인 데이터를 불러옵니다.df = pd.read_csv('./wine_data/wine.csv', header=None)# 와인의 속성을 X로 와인의 분류를 y로 저장X = df.iloc[:,0:12]y = df.iloc[:,12]# 학습셋과 테스트셋으로 나눕니다.X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, shuffle=True)# 모델..

음파 탐지기의 수진 결과만 보고 광석인지 일반 암석인지를 구분하는 모델모델 구성# 1. 환경 구축from tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Denseimport pandas as pdimport seaborn as snsimport matplotlib.pyplot as plt# 2. 데이터 준비# !git clone df = pd.read_csv('./iris_data/iris3.csv')# 속성을 X, 클래스를 y로 저장X = df.iloc[:,:4]y = df.iloc[:,4]# 원-핫 인코딩y = pd.get_dummies(y)# 3. 모델 구조 설정 및 컴파일model = Sequential()..

iris 데이터를 활용한 다중 분류 실습   import pandas as pd!git clone # 깃허브에 준비된 데이터를 가져옴df = pd.read_csv('./data/iris3.csv’)df.head()import seaborn as snsimport matplotlib.pyplot as plt# 상관도 그래프# pairplot( ) - 관계 그래프sns.pairplot(df, hue='species')plt.show() # 1. 환경 구축from tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Denseimport pandas as pdimport seaborn as snsimport matplotli..

빅데이터와 인공지능(머신 러닝, 딥러닝)세월이 흐르면서 쌓인 방대한 데이터를 빅데이터라고 함이 ‘빅데이터’는 분명히 머신 러닝과 딥러닝으로 하여금 사람에 버금가는 판단과 지능을 가질 수 있게끔 했음.빅데이터의 질데이터 양도 중요하지만 그 안에 ‘필요한’ 정보가 얼마나 있는가가 중요데이터 양이 많다고 무조건 좋은 결과를 얻을 수 있는 것은 아님준비한 데이터가 사용하려는 머신 러닝과 딥러닝에 효율적으로 사용될 수 있도록 잘 가공되어 있는지 역시 중요머신 러닝 프로젝트의 성공과 실패얼마나 좋은 데이터를 가지고 시작하느냐에 영향을 많이 받음여기서 좋은 데이터란?한쪽에 치우지지 않고 불필요한 정보가 적으며 왜곡되지 않은 데이터를 의미데이터를 잘 정제된 형식으로 변경이 필요 실습) 피마 인디언 데이터 분석비만은 유..

실습) 폐암 수술 환자의 생존율 예측하기 코드   # 1. 환경 준비from tensorflow.keras.models import Sequential  from tensorflow.keras.layers import Dense       import numpy as np# 2. 데이터 준비!git clone Data_set = np.loadtxt("./data/ThoraricSurgery3.csv", delimiter=",")X = Data_set[:,0:16]                                              y = Data_set[:,16]    # 3. 모델 구조 결정model = Sequential()                                    ..