경 탁

휴가를 지낸지 어느덧 1달이 넘어갑니다. 배타는 동안 이론적인 공부만 했습니다. 실제로 코드를 짜거나 직접 데이터 분석을 한지는 오래되서 가물가물한데, 마침 데이콘에 좋은 경진대회가 열리고 있어서 포스팅 겸 코드를 짜볼까합니다. 이 포스팅을 보신 분들 중 잘하시는 분들은 댓글로 조언을 적어주시면 감사하겠고, 반대로 저같은 초보분들은 함께 한다는 생각으로 참고하시면 좋을 것 같습니다. 이번 포스팅에서 쓰인 툴은 '아나콘다(주피터 노트북)', 'PYCARET', 'PANDAS' 입니다. 정말 ~ 간단한 코드이며 정말 ~ 아무것도 안한 코드입니다 ㅋㅋ 운동 전에도 워밍업이 중요하다고해서 처음부터 주구장창 코드 짜는 것보단 맛이라도 보는게 좋은 거 같습니다. 또 ~ M/L 은 점점 갈수록 진입장벽이 낮아지고 있..

- 대표적인 LOSS : MSE - 기본적인 틀 - 가장 기본적인 선형회귀 - 즉 일차함수 - 그나저나 발음이 많이 깨진다... ! - 코스트가 작을수록 정확성이 올라가는 것 - 그래디언트 : 기울기 - 미분을 이용하여 그래디언트를 계산 - 기울기 : lr - torch.optim - 을 통해 간편하게 옵티마이저 설정 가능 - 다변량 회귀는 어떻게될까? - 이건 저번 시간의 단순선형회귀 - 다음과 같은 장점이 있음 - 그래디언트디센트를 하려면 각각의 그래디언트를 구해야하는데, 이는 시간이 너무 오래 걸림 - 시간은 절약되나, 잘못된 방향으로 업데이트 될 수 있음 - 이제 로지스틱 회귀입니다. - 사이킷런의 로지스틱 회귀와 뭐가 다를까 ? - BCE

- 차원에 따른 이미지 값 - Batch size X dimension - Batch size : 세로 / dimension : 가로 - 삼차원의 텐서 - 자연어 처리의 경우 가로가 문장의 길이가 됨 - 개인적으로 신기했던 Tensor funtion - dimension 중 1인 것을 없애줌 - 즉 위의 텐서는 두번째 dimesion이 1이었으므로 없어짐 - unsqueeze(0)을 하면 0번째 index dimension에 1이 생김 -> 즉 차원 추가 - -1 을 하면 index 상 -1 번째, 즉 마지막 dimension에 1이 생김 - 타입을 바꿔주는 것 - Concat 으로 행기준으로 합칠지, 열 기준으로 합칠지 정할 수 있음 - 사실 2차원은 쉽게 생각이 되는데 고차원으로 갈수록 머리속에서 상..