IT 끄적이기 IT 끄적이기

무려 100$나 들여서 본 인증시험 Tensorflow Certification에 합격했다. colab에 코드들을 적어 놓고 모델링을 돌려놓고 결과를 보고 좋은 모델들을 저장하고 PyCharm에 Tensorflow 로고가 박혀 있는 Start Exam을 눌러서 시험을 쳤다. 시험은 Pycharm의 Tensorflow exam 플러그인을 통해서 치르게 된다. 총 5문제에서 각 문제별로 모델을 돌리면 모델링 결과가 mymodel.h5에 저장이 되는데 submit을 하면 모델의 점수를 알려준다. 좋은 점수가 나올때까지 돌려주면 된다. 5시간이나 주어지지면 모델학습에 시간이 많이 걸리므로 단단히 준비하는 것이 좋다. 새해 선물로 합격을 받아서 기분이 좋다. 1문항은 기본 레이어 모델링 2문항은 fashion-m..

ML.NET 을 건드린지 1주가 지났는데 아직 자동화 밖에 쓰질 못하겠다. 그래서 자동화로 생성된 코드들을 보기로 했다. 시나리오를 선택하고 환경 선택하고 데이터를 선택하고 학습을 하면 가장 정확도가 높은 알고리즘을 찾아준다. 학습시간이 길 수록 정확도가 높아지지만 적은 데이터를 무작정 길게 학습한다고해서 더욱더 좋아지지는 않는다. LightGbmRegression이 제일 높은 정확도를 가진것으로 결과가 나왔다. 이 상태로 코드에서 프로젝트추가를 하면 이렇게 코드가 추가되고 샘프로 코드가 주어진다. 그럼 생성된 프로젝트로 들어가보자. ConsoleApp에 들어가보면 ModelBuilder 클래스가 있다. 여기에서 학습시킨 후에 선택된 알고리즘 LightGbmRegression를 사용해서 모델을 생성하는 ..

지난번에 엑셀로 회귀분석하는 것을 하고 다른 짓을 하느라 잊고 있었는데 다시 회귀분석할 것이 생겨서 분석의 해석법을 적어 놓고자 한다. 아래 분석결과 후 중요부분을 빨간색으로 변경해 놓았다. 위와 같이 분석 결과가 나오면 검토를 한다. 1. 유의한 F값 : 0.05미만이어야 통계적으로 유의한 회귀분석의 해석이 가능하다. 2. 조정된 결정계수(Adjusted R-Squared)의 확인 조정된 결정계수 상관관계 정도 ±0.2 미만 상관관계가 거의 없음 ±0.2 ~ ±0.4 미만 낮은 상관관계가 있음 ±0.4 ~ ±0.7 미만 다소 높은 상관관계가 있음 ±0.7 ~ ±0.9 미만 높은 상관관계가 있음 ±0.9 이상 아주 높은 상관관계가 있음 3. 독립변수별 P-값이 0.05미만일 때 회귀분석이 가능하다. 0...

찾기가 너무 힘들어서 예제를 찾아보았다. 예제코드에 보기 좋게 설명을 달아 놓았다. 따로따로 보기가 너무 불편해서... 이렇게 보니 금방 이해가 된다. 문제는 파이프라인을 정의 하여 모델을 만들때 사용하는 부분에서 mlContext의 종속 메서드들의 정의가 필요할 것 같다. public MLContext (int? seed = default); 이렇게 정의 되는데 seed 값이 무엇을 의미하는지 알아야 할 것 같았다. MS-DOC에는 아래와 같이 설명되어 있다. seed값에 따라서 모델의 일관성유지가 된다는 소리 같은데 null을 보통 사용해도 상관없을 듯 싶다. 특별한 경우가 아니라면... 더보기 ML.NET 많은 작업은 무작위 데이터 셔플, 무작위 샘플링, 무작위 매개 변수 초기화, 무작위 순열, 무..

앞 포스트에 이어서 일단 간단하게 폼을 하나 만들고 입력, 출력 클래스를 만들어주고 public class Data { public float A { get; set; } public float Target { get; set; } } public class Prediction { [ColumnName("Target")] public float Target { get; set; } } 버튼에 이벤트를 주었다. private void button1_Click(object sender, EventArgs e) { try { //Import or create training data MLContext mlContext = new MLContext(); DatabaseLoader loader = mlContex..

데이터베이스에서 데이터를 가져와서 학습모델을 만들고자 할때 보통 ML예제를 보면 전부 File에서 가져오는 예제들이다. 데이터베이스를 바로 연동하고 그후 데이터 준비 및 알고리즘 선택은 같게 움직인다. 일단 데이터베이스 연동 부분만 추가 하도록 한다. string rootDir = Path.GetFullPath(Path.Combine(AppDomain.CurrentDomain.BaseDirectory, "../../../")); string dbFilePath = Path.Combine(rootDir, "Data", "DailyDemand.mdf"); string modelPath = Path.Combine(rootDir, "MLModel.zip"); var connectionString = $"Data..

Viusal Studio 2019에 .NET Core 관련 설치를 하면 ME.NET Core가 같이 설치 된다. 프로젝트 생성후 추가에 Machine Learning 을 선택한다. 나에게 맞는 시나리오를 선택한다. 시나리오에 따라서 학습모델이 자동으로 선정된다. 각 시나리오에 대한 대략적인 설명이 되어 있으며 MS Doc에 조금 더 자세히 기술되어 있다. 별로 그렇게 자세하지는 않다. 아직은.... 앞서 공부한 선형회귀분석을 비교해 볼 것이므로 값 예측 시나리오를 선택하도록 하겠다. 값 예측 시나리오는 로컬ML이라고 되어 있다. 학습을 로컬에서 진행한다는 뜻이다. 로컬컴퓨터의 자원이 좋아야 학습속도가 빨라진다. 다음으로 데이터가 필요하다. 강화학습이 아니므로 머신러닝에서 데이터는 필수이다. 앞 포스트에서..

1. Google Cloud ML Engine - AI 및 ML 모델 구축, 교육, 예측 모델링 및 딥러닝을 제공. - 훈련과 예측 두 서비스를 공동으로 또는 독립적으로 사용 가능. - 기업이 사용하는데, 즉 위성 이미지에서 클라우드를 감지하여 고객의 메일에 더 빠르게 응답하는데 사용된다. - 복잡한 모델을 훈련시키는 데 사용될 수 있다. 2. Amazon Machine Learning (AML) - Amazon Machine Learning은 시각화 도구와 마법사를 제공한다. - 이진 분류, 다중 클래스 분류, 회귀 등 세 가지 유형의 모델을 지원한다. - 사용자가 MySQL 데이터베이스에서 데이터 소스 개체를 만들 수 있도록 허용한다. - 또한 Amazon Redshift에 저장된 데이터로부터 데이터..

독립변수가 종속변수에게 미치는 영향력을 분석하는 것이다. 단순 선형 회귀분석은 각각의 변수가 1개 일 때의 회귀분석 방법이다. 아래 그림은 선형 분석시 예측 모델이다. 회귀식은 Y＝α＋βX＋e (Y는 종속변수, X는 독립변수, α는 절편, β는 기울기, e는 오차) 이다. 회귀식에서는 기울기β 와 α(종속변수의절편)을알아내는것이목적이다. 머신러닝을 담당하게 되면서 끄적여서 남겨본다. 잊어버리면 곤란하니까.