데이텀공작소

Ch.07(07-1) 확인 문제 풀고, 풀이 과정 정리하기

1. 어떤 인공 신경망의 입력 특성이 100개이고 밀집층에 있는 뉴런 개수가 10개일 때 필요한 모델 파라미터의 개수는 몇 개인가요?   (100 *10) +  (10*1 ) = 1,010개

2. 케라스의 Dense 클래스를 사용해 신경망의 출력층을 만들려고 합니다. 이 신경망이 이진분류 모델이라면 activation 매개변수에 어떤 활성화 함수를 지정해야 하나요?   'sigmoid'

<참고>

이진분류 : 'sigmoid'

다중분류:  'softmax'

3. 케라스 모델에서 손실 함수와 측정 지표 등을 지정하는 메서드는 무엇인가요?  compile()

4. 정수 레이블을 타깃으로 가지는 다중 분류 문제일 때 케라스 모델의 compile() 메서드에 지정할 손실 함수로 적절한 것은 무엇인가요?   'categorical_crossentropy'

<참고>

이진분류 : 'binary_crossentropy'

다중분류:   'categorical_crossentropy'

Ch.07(07-2) 확인 문제 풀고, 풀이 과정 정리하기

1. 다음 중 모델의 add() 메서드 사용법이 올바른 것은 어떤 것인가요?

② model.add(keras.layers.Dense(10, activation='relu'))

<방법 3가지 중 선택해서 사용> 

2. 크기가 300 X 300인 입력을 케라스 층으로 펼치려고 합니다. 다음 중 어떤 층을 사용해야 하나요?
② Flatten   --> 입력차원을 모두 일렬로 펼치는 역할수행 입력층 바로 앞에 추가 

3. 다음 중에서 이미지 분류를 위한 심층 신경망에 널리 사용되는 케라스의 활성화 함수는 무엇인가요?

③ relu


4. 다음 중 적응적 학습률을 사용하지 않는 옵티마이저는 무엇인가요?

① SGD

기본경사하강법 옵티마이저 : SGD  :  모멘텀 네스테[로프 모멘텀 

적응적 학습률 옵티마이저  : RMSprop adagrad Adam

K-means 알고리즘이란?

 K-means 알고리즘은 비지도학습으로 데이터를 K개의 군집(Cluster)으로 묶는 알고리즘

K-means 알고리즘의 K는 군집(클러스터)의 개수,  means는 평균 의미

군집 갯수 찾는 방법 

※ 분류(Classification) vs 군집화(Clustering)

- 분류
지도학습으로 레이블(정답)이 주어졌을 때 레이블을 기반으로 데이터를 나누는 방법

- 군집화
비지도학습으로 레이블(정답)이 주어지지 않았을 때 주어진 데이터를 묶는 방법

교차검증 :  과적합을 피하면서 파라미터를 튜닝하고 일반적인 모델을 만들고 더 신뢰성 있는 모델 평가를 진행하기 위해서

훈련 세트를 여러 폴드로 나눈 다음 한 폴드가 검증 셋트의 역할을 하고 나머지 폴드에서 모델 훈련 

교차검증은 모든 폴드에 대해서 검증 점수를 얻어 평균하는 방법

1. 로지스틱 회귀 : 이름은 회귀지만 분류 모델 로 선형 회귀와 동일하게 선형 방정식 학습

2. 확률이 되려면 0~1 사이의 값이 되야 함. 

> z 의 값이 아주 큰 음수일때 0 이 되고 z 가 아주 큰 양수일때 1이 되게 바꾸는 방법  >> 시그모이드 함수를 이용하면 됨

로지스틱 회귀가 이진 분류에서 확률을 출력하기 위해 사용하는 함수는 무엇인가요?
① 시그모이드 함수  >> 답   --->> 이진 분류에서 
② 소프트맥스 함수
③ 로그 함수
④ 지수 함수

소프트맥스 함수 여러개의 선형 방정식의 출력값을 0~1 사이로 압출하고 전체 합이 1이 되도록 한다.