pbj0812의 코딩 일기

1. 정의 k-평균 알고리즘(K-means algorithm)은 주어진 데이터를 k개의 클러스터로 묶는 알고리즘으로, 각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 동작한다. 이 알고리즘은 자율 학습의 일종으로, 레이블이 달려 있지 않은 입력 데이터에 레이블을 달아주는 역할을 수행한다. 이 알고리즘은 EM 알고리즘을 이용한 클러스터링과 비슷한 구조를 가지고 있다. 2. 절차 1) 초기 (군집의) 중심으로 k개의 객체를 임의로 선택한다. 2) 각 자료를 가장 가까운 군집 중심에 할당한다. 3) 각 군집 내의 자료들의 평균을 계산하여 군집의 중심을 갱신(update)한다. 4) 군집 중심의 변화가 거의 없을 때(또는 최대 반복수)까지 2) 와 3) 을 반복한다. * 군집의 수(k)는 미리 정해 주어야..

Docker 설치 우분투 환경 curl fsSL https://get.docker.com > docker.sh sudo sh docker.sh test sudo docker run hellow-world 아래 그림과 같이 나오면 성공 Docker 이미지 다운로드 https://hub.docker.com 에서 원하는 docker 이미지를 다운로드 혹은 아래 예제와 같이 명령어로 다운받을 수도 있음 docker pull deeplearningzerotoall/tensorflow Docker 이미지 확인 docker images Docker container 생성 및 실행 docker run -it --name tf_zerotoall -v /8TB_hard/pbj_tmp/:/home/pbj_tmp -p 288..

* 머신러닝 탐구생활 -정권우 저 참고 Kaggle에서 평가척도로 사용되기도 한다. MAP = Mean Average Precision(모든 예측 정확도의 평균) 예측 결과가 아래와 같다면.. 1 0 0 1 1 1 0 (1:맞음, 0:틀림) 예측의 정확도는 1/1 0/2 0/3 2/4 3/5 4/6 0/7 이다. 이것을 평균하면 (1/1 + 2/4 + 3/5 + 4/6) / 4= 0.69 여기서 마지막의 4는 정답의 개수(1의 개수)를 나타낸다. ex1) 1 1 1 1 0 0 0 일 경우 예측 정확도는 각각 1/1 2/2 3/3 4/4 0/5 0/6 0/7 이며 평균을 구하면 (1/1 + 2/2 + 3/3 + 4/4)/4 = 1이 된다. 따라서 순서에 예민하다고 할 수 있다. * MAP@7은 최대 7개의..

컴퓨터는 고양이를 어떻게 고양이라고 인식할까...?? 컴퓨터는 아래 사진과 같이 숫자로 고양이를 인식한다. 0부터 255의 숫자로 색을 인식하고 색은 RGB 이므로... 사진 크기가 800*600이라고 하면 전체 배열의 크기는 800*600*3이다. 이렇게 고양이를 인식하게 되면 문제가 발생하게 되는데, 먼저 고양이가 조금만 움직여도 고양이가 아니게 된다. 그리고 명암에 따라서도 숫자가 바뀌기 때문에 안되고.. 고양이의 포즈에 따라서도 바뀌고... 다른 배경에 있다던지, 고양이의 일부만 나왔을 때에도 인식을 하지 못한다. 물론, 고양이 털색깔이 바뀌어도 마찬가지이다. 그래서 또 사람들이 여러 실험을 진행하였다. 먼저 강한 선만 따서 고양이를 인식시켜 보려 했으나, 다른 노이즈도 포함이 되고 인식이 힘들다..

1강은 소개라 딱히 쓸 게 없음. 컴퓨터 비전은 많은 영역의 조합으로 이루어져 있다. 500만년전 생물에 눈이 달린 이후로 시각은 중요 해졌고, 여러 실험을 해왔다.(카메라의 발명 등...) 그러다가 1959년 Hubel & Wiesel 에 의해서 놀라운 실험을 하였으니 고양이에게 여러 도형(원, -, ㅣ 등)을 보여주고 전기 신호를 받았더니 각 물체에 따라 파형이 다르게 나왔다. 이 실험을 토대로 또 실험을 하였고, 1997년에는 같은 색을 엮어 군집을 만드는 실험을 하였고, 2001년에는 얼굴인식을 성공하였다. 그리고 시간이 흘러 imagenet dataset을 이용한 경진 대회가 열린다. 150만 개의 이미지를 학습시켜(1000종류) 10만개의 이미지를 검사하기인데.. 채점 방식은 아래 그림과 같다..