Thinking

앞선 글에서 나는 뉴런 네트워크를 설계하고,  프로세스를 정했다. 하지만, 곧 문제에 직면했는데, 내가 코세라에서 배운 이론들은 꽤 예전에 이론들이며 시간이 된다면 완수하고 싶지만 나는 그 강의를 아직 완수하지 않았기 때문에 현재 Python에서 사용하고 있는 라이브러리 들은  내가 알던 것들과는 조금 다른 용어들을 사용하고 있었으며, 그에 따른 수식들 또한 달랐다. 물론 이에 대해 다시 강의로 되돌아가  이에 대해 배우는 것이 어쩌면 빠를 수 도 있지만, 나는 먼저 강의를 다 듣는 것 보다는  하나의 토이 프로젝트를 해보는 것이 더 이득이라 판단 했다. 왜냐하면 나는 기본을 바닥에 올려놔야할 때는  바텀 업을 선호하지만, 어느 정도 기본이 쌓였다면  탑 다운 방식을 선호하기 때문이다. 따라서 프로젝트를 진행하기 앞서서  내가 배웠던 것들과 실제 라이브러리에서 사용하는  수식들이 어떻게 다른지 그러니깐 어떻게 발전했는지에 대한 비교가 필요하다고 판단했다. 이에 대한 첫 장으로 먼저  Cost Function과 Active Function에 대한 이야기를 해보려한다. Active Function? Cost Function? Loss Fuction? NN관련에 대해 검색하다보면 익히 나타나는 용어는 Cost Function, Active Function,  Loss Function이 3가지 용어가 자주 보이는 듯 하다. 여기서 Cost Function에 대해서는 학습을 했었고, 과거 포스팅에도 개재한 바 있다. 과거 포스팅에서 Cost Function에 대해  내가 정의 내린 것은 아래와 같다. ( https://nitro04.blogspot.com/2020/01/machine-learning-by-andrew-ng_10.html ) 데이터들의 집합인 가설 함수(Hypothesis Function)와  해당 데이터들의 값과 가장 오차가 작은  즉, 최...

python의 블로그 토이 프로젝트 이후  이번에 해보려는 것은 작은 머신 러닝 프로젝트이다. 프로젝트에 들어가면서 나는 예전부터 친구들과 게임을 즐겨하는데, 그 중 마음도 맞기도 하고  유머 코드도 잘 맞는 친구가 한 명 있다. 다만, 그 친구에게는 한 가지 단점이 있는데, 게임을 같이 하자는 약속해도 그 시점이 되면 그 친구가 돌연 사라져 버린다. 대부분 이유는 다른 게임에 열중해 하고 있거나 그 때 졸려서 잠을 자버릴 때가 많았다. 지금은 아니지만,  그 당시에는 그런 것이 지속되었고 마침 그 때 머신러닝에 대해 한창 공부하고 있던 터라 이에 대해 데이터를 축적하고, 이 후에 시간이 된다면  이에 관련한 개인 프로젝트를 하려고 생각 했다. 그리고 이제 그 차례가 되었고, 지금 까지 배운 기반으로 해 작은 머신 러닝을 설계부터 시작해 개발해보고 이에 대한 보고서를 개인 블로그에 기재하기로 했다. 제목은 오늘은 친구와 게임을 할 수 있는가에 대한  머신 러닝이다. 내가 축적한 데이터를 머신 러닝에 넣으면  할 수 있는가 없는가에 대한 답을 알려줄 것이다. 데이터는 약 반년 조금 넘는 데이터를 축적했으며, 물론 데이터의 양이 엄청나게 많지는 않고, 간단한 머신 러닝이지만  지금 까지 복습과 머신 러닝에 대한  좀 더 심도 있는 이해에 도움이 될 것이라 생각 한다. Python에 데이터 처리 관련  좋은 라이브러리가 많다고 들었기 때문에  개발은 Python으로 하기로 하겠다. 아키텍쳐 설계 머신 러닝을 만들기 이전에  우선 신경 망 설계를 해줄 필요가 있다. 먼저 목적에 맞게 Input Layer와 Output Layer의 요소의 수를 설정하고, Hidden Layer의 갯수와 요소의 갯수를 설정하도록 하겠다.  당연히 Output Layer의 요소는  할 수 없다(0),할 수 있다(1)로 단 하나 이며, 데이터의 요소는 2개로 설정해 데이터를 축...