신군의 역학사전

1. 텐서플로우(TensorFlow) 설치pip install tensorflow 텐서플로우는 pip 명령어를 통해 설치가 가능하다. 그냥 텐서플로우 설치 시 최신 버전이 자동으로 설치가 되며, 특정 버전을 다운로드 하고 싶다면 아래와 같이 버전을 지정할 수 있다.pip install tensorflow == 2.10 # 원하는 버전 보통 텐서플로우는  GPU 연산을 활용하기 때문에 CUDA 버전에 맞는 버전을 설치해야 하는데, 이는 아래의 페이지에서 확인할 수 있다.https://www.tensorflow.org/install/source_windows#tested_build_configurations Windows의 소스에서 빌드,Windows의 소스에서 빌드  |  TensorFlow이 페이지는 C..

Tqdmtqdm은 파이썬에서 사용되는 진행 표시 막대를 생성하기 위한 라이브러리이다. 반복문이나 모델 학습 시, Iteration & Epoch 별 진행 상황을 바 형태로 시각적으로 보여주는데, 특히 진행율과 실행시간을 알 수 있어 편리하다. 모듈 설치pip install tqdmconda install tqdm 설치야 다른 모듈과 마찬가지로, 환경에 따라 pip 혹은 conda install 을 활용하여 설치해준다. 모듈 Importfrom tqdm import tqdm tqdm 모듈을 임포트해오는 코드는 위와 같다. 신기하게도 아래의 코드처럼 import tqdm 을 활용하면 오류가 나는데, 이는 tqdm이 패키지 이름이기도 하고, 모듈 내의 메인 클래스의 이름이기도 하여 충돌이 일어나는 듯 하다. ..

이번 포스팅에서는 파라미터(Parameter)와 하이퍼파라미터(Hyperparameter)의 정의에 대해 정리해보겠습니다. 둘은 다른 개념임에도 이름이 비슷해서 그런지 혼용해서 자주 사용되곤 합니다.  제가 참고하는 텍스트북에는 파라미터(Parameter)와 하이퍼파라미터(Hyperparameter)의 정의에 대해 깔끔하게 정리된 정의가 없어서, 아래 링크의 페이지를 참고하였습니다. https://medium.com/@ompramod9921/model-parameters-and-hyperparameters-in-machine-learning-502799f982d7 Model Parameters and Hyperparameters in machine learningIn machine learning, pa..

1. 오차행렬(Confusion Matrix)오차행렬(Confusion Matrix)은 분류 문제에서 알고리즘의 성능을 시각화할 수 있는 테이블 레이아웃으로, 아래 4가지 항목으로 구성됩니다. TP (True Positive) : 참인 값을 참으로 예측FN (False Negative) : 참인 값을 거짓으로 예측FP (False Positive) : 거짓인 값을 참으로 예측TN (True Negative) : 거짓인 값을 거짓으로 예측 용어가 조금 헷갈리는 면이 있는데, Positive & Negative 부분을 예측 값의 참거짓 여부로, True & False 부분을 전체 명제의 참거짓 여부로 생각하면 얼추 맞을 듯 합니다. 즉, FN은 결국 예측값이 거짓(Negative)인데, 실제값은 참이므로, ..

엘보우 메소드(Elbow Method)위키피디아의 정의를 인용하자면, 엘보우 메소드는 군집 분석(Clustering)에서 데이터 셋의 클러스터 수를 결정하는 데 사용되는 휴리스틱(heuristic) 방법입니다. 휴리스틱(heuristic) 하다는 것은 결국, 엄밀한 증명을 통해 밝혀진 법칙이라기 보다는, 직관, 경험에 근거한 실용적인 의사결정 방법이라는 의미가 됩니다. K-means Clustering은 클러스터 내의 분산의 총합을 최소화하는 방향으로 클러스터 수를 늘려 나갑니다. 이를 수식으로 나타내면 아래와 같으며 클러스터내 분산을 Within-cluster Variation(WCV), 이들의 총합을 Sum of Squared Error(SSE)이라고 합니다. 제가 참고한 책에는 SSE라는 용어는 없..

1. 기계학습(Machine Learning) 이란?머신러닝 텍스트북으로 가장 유명한 Tom M. Mitchell "Machine Learning" 에 따르면, 머신러닝은 특정 작업(T)에 대해 성능(P)를 향상시키기 위해 경험(E)에서 컴퓨터가 스스로 학습하는 과정을 말합니다.  "A computer program is said to learn form experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E" [Ref 1] 기계"학습"의 과정에서 말하는 학습 시스템은 환경(E)으로..

이전 포스팅에서는 모델의 인풋으로 기본적인 형태의 데이터 블록을 활용했었는데요, 이번 포스팅에서는 외부 데이터를 불러오고, 모델을 통해 출력된 결과 데이터를 내보내는 방법에 대해 정리해보겠습니다. 목표 : Matlab의 Workspace에 저장된 데이터를 불러오고, 모델을 통해 출력된 결과를 다시 Matlab Workspace로 내보내는 방법을 익힌다.  - inport, outport 블록의 활용법을 익힌다. - Data Inspector의 활용법을 익힌다. Data의 입출력 관련 블록은, [Simulink] - [Sink] or [Source] 라이브러리에 있습니다.Sink 라이브러리에는 출력과 관련된 기능의 블록이Source 라이브러리에는 입력과 관련된 기능의 블록이 위치합니다.입출력 데이터는 Si..

Simulink 프로그램에 대해 다뤄보는 첫 게시글인 만큼, 기본적인 블록들을 활용해 가장 기본적인 모델을 구성해보고 결과를 출력해보는 방법에 대해 정리해보겠습니다. 당분간은 여러 블록들에 대한 사용법 위주로 정리해본다 생각해주시면 될 듯 합니다. 목표 : 진폭이 2인 사인함수를 출력하는 모델을 구성해본다. - 입력, 출력, 기능블록의 형태의 차이를 이해한다. - Gain 블록의 활용법을 익힌다. - Scope 블록을 통해 시뮬레이션 결과를 출력하는 방법을 익힌다. - 블록 별 파라미터 조정과정을 익힌다. - 블록 주석 표시 방법을 익힌다. 라이브러리 브라우저 혹은 팔레트에 더블클릭 후 Sine Wave 블록을 찾아줍니다.지금 사용할 Sine Wave는 입력 데이터로 활용할 것이므로, Inport 블록형..