MACHINELEARNING

가장 쉬운 GAN(generative adversarial network) 예제

가장 쉬운 GAN(generative adversarial network) 예제 아래의 컴퓨터 프로그램은 적대적 생성자 (GAN) 모델을 아마도 가장 쉽게 이해할 수 있게 해주는 것이다. 아래 그림에서 붉은색 sin 함수를 모양을 형성할 수 있는 데이터(alpha, beta)를 생각해 볼 수 있다.이들 데이터는, 그 이유를 알 수 없지만, sin 함수 관계를 만족하고 있다. 다시 말해서, 우리는 y=sin(x) 를 만족하는 데이터들을 가지고 있다. 생성자 모형을 이용하는 우리의 목표는 이들 데이터들과 아주 유사한 가짜 데이터를 만들어내는 것이다.즉, 아주 유사한 데이터를 위조해서 만들어 내는 것이다. [y=sin(x) 관계를 만족하는 데이터를 만들어 내는 것이다.]컴퓨터 계산으로 만들어낸 데이터들은

Make data great again

fortran unformatted file --> read in python

fortran unformatted file --> read in python기계학습에서 다루는 데이터의 크기는 매우 큰 것들이다. 특히, 딮러닝의 경우는 더욱더 그렇다.따라서, 데이터 처리는 정말로 특별한 장치가 필요하다. 바이너리 파일 취급이 필수적이다.기본적으로 아스키 파일을 사용하면 곤란해질 수 있다.많은 예제 데이터를 만들어 낼 경우, 컴퓨터 프로그래밍 언어 파이썬은 정답이 아닐 수 있다.이 경우 포트란 또는 C를 활용해야 한다. 당연하게도 데이터는 바이너리 파일로 저장해야만 한다. 이렇게 저장된 바이너리 파일은 파이썬에서 바이너리 형식으로 읽어져야만 한다.그래야 전체 파이썬 계산의 효율성을 극대화 할 수 있다.다른 방식으로 파일 처러를 하면 안 된다.예를 들어, 예제들의 갯수가 200000인

scikit-learn, machine learning in python

scikit-learnhttps://en.wikipedia.org/wiki/Scikit-learnhttps://scikit-learn.org/stable/ scikit-learn은 파이썬 라이버러리 모듈이다. 특히, 기계학습에 관한 포괄적인 기능을 제공한다. 파이썬을 활용한 기계학습은 사실상 scikit-learn 라이버러리를 활용하는 것을 의미한다.현실적으로 그렇다. 현재 이보다 더 범용적인 것이 없다. 기계학습을 넘어 딮러닝으로 확장이 가능하다. 다른 라이버러리들도 scikit-learn 라이버러리를 이용하고 참고 하고 있다. scikit-learnMachine Learning in PythonSimple and efficient tools for data mining and data analysi