반응형 분류5 [머신러닝 with Python] TPOT을 활용한 Iris 데이터 분류(AutoML) 이번에는 지난번에 알아본 여러 AutoML 라이브러리 중 TPOT을 활용해 Iris 데이터에 대한 분류를 진행해보고자 합니다. 1. TPOT이란?- TPOT은 자동화된 머신러닝, 즉 AutoML의 도구로, 데이터를 전처리하고 최적의 머신러닝 모델과 하이퍼파라미터를 튜닝할 수 있는 라이브러리입니다. - 자세한 내용은 아래 포스팅을 참조하시면 되겠습니다.[머신러닝 with Python] AutoML이란? (AutoML의 정의, 종류 등) [머신러닝 with Python] AutoML이란? (AutoML의 정의, 종류 등)AutoML은 머신러닝 모델 개발 과정을 자동화하여 효율성을 극대화하는 도구입니다. 모델 선택, 하이퍼파라미터 튜닝, 데이터 전처리 등을 자동으로 처리하기에 머신러닝의 진입 장벽을 낮추어주j.. 2024. 12. 11. [딥러닝 with 파이썬] Precision-Recall Curve와 Average Precision 이번에 알아볼 내용은, Object Detection과 Segmentaition에서 평가지표로 활용되는 Average Precision에 대해서 알아보겠습니다. Average Precision은 Precision-Recall Curve의 면적 부분을 의미하는데요. 그렇다면, Precision-Recall Curve에 대해 정리해보고 Average Preicision의 의미는 무엇인지, 그리고 Average Preicision들을 평균한 mAP는 무엇인지 알아보겠습니다. 1. Precision-Recall Curve와 Average Precision 1) Precision-Recall Curve - Precision-Recall Curve는 분류모델의 성능을 평가하는데 사용되는 평가지표 중 하나입니다. T.. 2024. 2. 19. [딥러닝 with 파이썬] 분류(Classification)란? 사례 분류(Instance Classification) / 범주 분류(Categorical Classification) 1. 사례 분류 vs 범주 분류 (Instance Classification vs Categorical Classification) 1) 사례 분류(Instance Classification) - 사례 분류는, 내 차나 어린이 교통표지팥과 같이 모양과 텍스처가 고정된 특정 물체를 찾는 문제를 말합니다. - 보통 모양이 변하지 않는 강체(Rigid Object)로 국한하며, 교통약자 표지판 처럼 변치않는 모양을 가진 것을 분류하는 것이 그 예시입니다. 2) 범주 분류(Categorical Classifcation) - 범주 분류는 코끼라나 자전거처럼 일반 부류에 속하는 물체를 알아내는 문제로, 모양이 변하는 물체까지를 포함합니다. - 예를 들어 자전거는 세발과 두발, 외발이 있고 코끼리는 걷거나 뛰거나 누.. 2023. 12. 3. [딥러닝 with 파이썬] 분류(Classification) / MNIST 데이터 사용 [본 포스팅은 "Must Have 텐초의 파이토치 딥러닝 특강"의 내용을 참조하여 작성하였습니다] 이번에는 파이토치를 활용해서 분류기(Classifier)를 만들어 보겠습니다. 분류(Classification)는 실수 또는 정수 등 수치로 정의된 것이 아닌, [강아지, 고양이, 호랑이, .......] 등 Class로 정의된 종속변수를 특성(Features)들의 연산을 통해 분류해내는 것을 말합니다. 분류에 사용할 데이터는 MNIST라는 데이터이며, 이번에는 분류라는 목적 자체에만 초점을 맞춰 간단한 딥러닝 분류기를 만들것이기에 CNN(Convolutional Neural Network / 합성곱 신경망)을 사용하지는 않겠습니다. ( CNN은 이후 포스팅부터 많이 다룰 것이니 이번에는 분류의 개념에 대해.. 2023. 9. 29. 이전 1 2 다음 반응형
