Everyday-Jaram blog

딥러닝_02_딥러닝 개요 딥러닝: 인간의 신경망을 모방하여 병렬적 다층구조를 통해 학습하여 예측하는 기술 -기계는 대상을 판단하는 기준이 명확히 정해져 있지만(이분법), 사람은 대상을 판단하는 경계가 느슨하다(추상적). 정해진 기준을 조금이라도 벗어나면 대상이 아니라고 판단한다. 딥러닝 신경망의 구조: 선형모델(y=ax+b)의 종합 →인간이 많은 뉴런의 결과를 종합하여 판단하는 것을 참고하여 선형모델 여러 개를 연결하여 학습시킴 *앙상블모델은 모델끼리 영향을 미치지 않지만, 딥러닝에서는 모델끼리 영향을 미침 딥러닝 모델의 종류: CNN, MLP, 전이학습, RNN 딥러닝의 특징: 병렬적 다층구조를 통해 대량의 데이터에서 복잡한 패턴이나 규칙을 찾아내는 능력이 뛰어남, 머신러닝에 비해 유연한 사고 딥러닝의..

Spring_02_게시판 조회 및 삭제실습 [BoardMain.jsp] 제목 클릭 시 BoardDetailController로 이동하면서 게시글 번호 전송(게시글 구별) [HandlerMapping] BoardDetailController key&value Hashmap에 추가 [BoardDetailController] BoardMain에서 보낸 게시글 번호 받아오기 [BoardDAO] 게시글 세부내용 조회하는 메소드 작성(selectOne) -BoardDetailController에서 보낸 게시글 번호 받아오기 [Mapper] 게시글 세부내용 조회하는 메소드: 게시글번호에 맞는 게시글 정보만 가져오기 [BoardDetailController] BoardDAO의 getDetail 메소드에 게시글 번호 보..

딥러닝_01_텍스트 마이닝 [네이버 영화리뷰 감정분석] 1. 문제정의 영화리뷰데이터를 활용하여 긍정/부정 감성분석 감성분석: 특정 주제를 가지고 글에 대한 감성, 태도를 파악하는 것(긍정/부정) 텍스트 데이터를 다루는 과정 학습 2. 데이터 수집 #파일 불러오는 객체(load_files) from sklearn.datasets import load_files import numpy as np import pandas as pd 1)train 데이터 불러오기 data_url='data/aclImdb/train/' rv_train=load_files(data_url, shuffle=True) #bunch 객체(머신러닝 자료구조 형태) #딕셔너리와 비슷한 형태(key&value)→key로 데이터 추출 #tra..

Spring_01_Spring 개요 [Spring 환경설정] eGovFrame(표준프레임워크 포털) https://www.egovframe.go.kr/home/main.do 개발자 교육-교육자료-표준프레임워크 개발자 교육 교재 및 실습 for Win (V4.0.0) Spring Legacy를 사용해야 하므로 4.0.0 버전을 다운받음 압축 풀기: C 드라이브로 변경 C 드라이브 eGovFrame 폴더 생성 확인 Spring Eclipse 실행 기본 프로젝트 삭제: delete from disk 체크 JDK 적용: window-preferences-installed JREs tomcat 적용: window-preferences-Runtime Environments window-preferences: web..

머신러닝_13_자연어 처리 Text Mining(텍스트 마이닝) 데이터에서 유용한 인사이트를 발굴하는 데이터 마이닝의 한 종류 정형 및 비정형 데이터를 자연어 처리 방식과 문서 처리 방법을 적용하여 유용한 정보를 추출/가공하는 것을 목적으로 하는 기술 2. 자연어 처리: 자연어의 의미를 분석하여 컴퓨터가 처리할 수 있도록 하는 과정 자연언어: 정보를 전달하는 수단으로 인간이 일상생활에서 사용하는 언어 예)영어 인공언어: 특정 목적을 위해 인위적으로 만든 언어 예)프로그래밍 언어 자연어 처리 응용 분야 -정보검색, 질의응답 시스템 예)Google, Naver, Siri, 빅스비, IBM Waston -기계번역, 자동통역 예)Google 번역기, ETRI 지니톡 -문서작성, 문서요약, 문서분류, 문법 오류 ..

머신러닝_12_로지스틱 회귀모델 로지스틱 회귀모델: 선형모델 방식을 기반으로 이진분류(0,1)를 수행하는 모델 간단한 함수식을 사용하기 때문에 학습 및 예측 속도가 빠름 대량의 데이터셋에서 잘 동작함 특성이 많을수록 모델 성능이 좋음, 특성이 적은 경우 다른 모델이 더 우수한 편 선형분류모델은 값이 커질수록 직선이 늘어나 값의 좌표가 달라지면서 0과 1 사이의 범위를 벗어나 구분선 위에 위치할지 아래에 위치할지 모르기 때문에 합불 여부가 불확실해짐 로지스틱 회귀모델: Sigmoid 함수를 사용하면 아무리 작은 수여도 0에 가깝게, 아무리 큰 수여도 1에 가깝게 조정하여 값을 0과 1사이의 확률정보로 표시. 값이 커지거나 작아져도 기준선에 따라 합불 여부를 판단할 수 있음 2. 데이터 스케일링: 데이터 특..

React_13_축구선수 정보 홈페이지 실습 [환경설정] 라우터, axios 설치 index.js에서 을 BrowserRouter로 감싸고 BrowserRouter import하기 player.json 선수정보 추가하기 대한축구협회 https://www.kfa.or.kr/national/?act=nt_man ※이미지 주소 복사 안 되는 경우 이미지 가져오는 방법 F12(개발자도구)-요소 클릭-url 복사하기 [Player.jsx] import: useEffect, useState, axios, Routes, Route, 컴포넌트 public 폴더 내 json 파일에서 데이터 가져오기 선수데이터를 담을 state 생성하기 json 파일에 접근하여 선수데이터를 state에 저장(useEffect, axios..

React_12_Strorage [홈페이지 실습] *React_10_라우터 홈페이지 실습 이어서 진행 [Storage] 1. Local Storage: 동일한 PC, 동일한 브라우저라면 데이터를 불러올 수 있음 -구현기능: 자동로그인, 로그인이 안 된 채로 장바구니 기능, 7일간 보지 않기, 북마크 등 -브라우저를 종료하더라도 데이터를 계속 저장할 수 있음 -A 브라우저에 저장한 데이터를 B 브라우저에서 불러올 수 없음 -보안에 취약함 2. Session Storage: 브라우저 창이 종료되면 세션이 함께 종료, 데이터 소멸 -구현기능: 일반로그인 *주의사항! local Storage, session Storage는 브라우저에 저장하는 데이터 -DB에 저장되는 데이터가 아니기 때문에 유저별 정보를 저장할..

머신러닝_11_모델 정규화 특성곱 선형회귀모델은 특성의 수가 적으면 모델이 단순해져 성능이 저하됨 선형회귀모델은 하이퍼 파라미터 조절을 할 수 없음 →각 특성의 데이터를 곱해서 특징의 수를 늘려서 모델의 성능 개선 1차 함수 그래프(직선)를 2차 함수 그래프(곡선)그래프로 변환 2. 선형회귀모델 정규화: 선형회귀모델에서 과대적합을 제어하기 위해 w값의 비중 낮춤 선형회귀모델이 지나치게 최적화되면 모형계수의 크기도 지나치게 증가함(과적합) 선형회귀계수(w) 값에 제약을 주어 모델이 과도하게 최적화되는 현상 방지 1)Lasso(L1 정규화): 가중치의 절대값의 합을 최소화하는 제약조건 w의 모든 원소에 똑같은 힘으로 규제를 적용하는 방법 불필요한 특성 계수들은 0이 됨(불필요한 특성 삭제) 특성 선택이 자동..

머신러닝_10_선형회귀모델 선형회귀모델(Linear Model) 회귀분석은 예측값이 평균과 같이 일정한 값으로 돌아가려는 경향을 이용한 통계학 기법 이용 입력특성에 대한 선형함수를 만들어 예측 수행 분류와 회귀에 모두 사용가능 예)7시간 공부할 경우 성적은 몇 점일까? →y=10x+0일 때 이상적 1)선형회귀함수 2)MSE(평균제곱오차) cost function(비용함수) *cost값이 0이 되게 하는 게 좋은 모델 경사하강법: 평균제곱오차가 최소인 w(가중치)와 b(편향)을 찾는 방법 -learning rate: 기울기를 감소하는 속도 조절 [선형회귀모델 실습] 1. 문제정의: 선형회귀모델의 w(가중치),b(절편) 확인하기 #라이브러리 불러오기 import pandas as pd import numpy..