안녕하세요, 기계과 감성쟁이입니다.
저번 포스팅에 이어 '독립변수와 종속변수가 복수개일 때', '딥러닝 겉핥기'를 기록합니다.
여기서부턴 제가 앞선 내용들을 공부하면서 가졌던 궁금증이 해결됩니다.
독립변수와 종속변수가 여러개일 땐 어떻게 계산할까...하는 겁니다.
10.2
독립변수가 많다면, Ax_1 + bx_2... 형태로 나타남. 머신러닝에서 선형대수학을 필수적으로 배우는 이유!
종속변수가 많을 경우도 마찬가지로, 행렬을 생각하면 편함.
[y1 : y2] = ... 이 되는거지.
10.3
보스톤 집값을 예제로 학습.
bit.ly/tfjs-5
에서 10.3.js를 다운 혹은 카피해서
<script src="10.3.js"></script>로 로드
데이터가 원시 데이터 형태이므로 텐서로 변환시켜줌 -> tf.tensor(보스톤_원인);
이전에 적었듯이 tf.input({shape:[숫자]}) 숫자에는 독립변수의 갯수가 들어감. 원인의 column 수가 13이므로 13 입력
모델 살펴보기 - 콘솔에 입력 기준
var weights = getWeights()
weights[0].arraySync() // 0번째는 weight, 1번째는 bias
그럼 13개의 weight 값을 확인할 수 있음. 각각 a_1, a_2...
10.4
종속변수 갯수가 변하는 것도,
var Y = tf.layers.dense({ units: 숫자 }).apply(X); 여기서 column 수로 바꾸면 됨
11.
tfjs로 구글 검색 - github 발견!
tfjs-vis 는 결과 등을 visualization 해주는 것.
문서에서 installation 스크립트 코드를 가져오고,
텐서플로우 홈페이지에서 API -> tfjs-vis API 에서 사용법 확인
ModelSummary, History 등
12.
이후 딥러닝에 관한 간략한 소개 - Hidden Layer의 존재
activation : relu 가 가장 무난하고 좋음
딥러닝에 대해 찾아보면 (나무위키) 공부해야하는 것들을 많이 가르쳐준다. 알고리즘, 선형대수학 등등...
개념과 사고방식 등을 공부하기 위함일까, 학문의 내용을 실무에 써먹기 위함일까?
히든레이어의 역할...?
기존의 파라미터를 모두 이용하는 새로운 파라미터를 만들어서 거기에 웨이트를 곱하여 결과를 도출해냄. 필터가 점점 많아지는 느낌? 그래서 더 정교함. 위 영상 후반부의 행렬 보면 좀 이해 됨