코딩걸음마

1. Data 불러오기 !pip install matplotlib seaborn pandas sklearn import pandas as pd import seaborn as sns import matplotlib.pyplot as plt 선형회귀에 사용할 sample은 유명한 당뇨병 예측입니다. 원래는 분류식으로 활용을 해야 정확하지만, 회귀식으로 dataset을 사용해보겠습니다. from sklearn.datasets import load_diabetes diabetes = load_diabetes() print(diabetes.DESCR) 2. Data 확인하기 .. _diabetes_dataset: Diabetes dataset ---------------- Ten baseline variable..

import torch def mse(x_hat, x): # |x_hat| = (batch_size, dim) # |x| = (batch_size, dim) y = ((x - x_hat)**2).mean() return y x = torch.FloatTensor([[1, 1], [2, 2]]) x_hat = torch.FloatTensor([[0, 0], [0, 0]]) print(x.size(), x_hat.size()) torch.Size([2, 2]) torch.Size([2, 2]) mse(x_hat, x) tensor(2.5000) MSE in PyTorch import torch.nn.functional as F F.mse_loss(x_hat, x) tensor(2.5000) reduction..

1. Data 불러오기 !pip install matplotlib seaborn pandas sklearn import pandas as pd import seaborn as sns import matplotlib.pyplot as plt 선형회귀에 사용할 sample은 유명한 boston 주택가격 예측입니다. from sklearn.datasets import load_boston boston = load_boston() print(boston.DESCR) 2. Data 확인하기 .. _boston_dataset: Boston house prices dataset --------------------------- **Data Set Characteristics:** :Number of Instances..

1. Linear layer의 작동 구조 인공신경망(NN)은 연속적인 함수전달체계를 이루고 있다. 어떤 정보가 입력되었을때 그 정보에 대한 강도를 어느정도로 할 것인지 또한 보정값을 얼마나 줄 것인지 정할 수 있다. 입력값과 출력값이 선형관계 즉 y = ax=b 라고 할 때 다음 방법을 사용할 수 있다. import torch W = torch.FloatTensor([[1, 2], [3, 4], [5, 6], [7, 8]] ) b = torch.FloatTensor([4, 2]) 그럼 주어진 가중치와 보정값으로 선형 결합층(Linear Layer)함수를 만들어보자 def linear(x, W, b): y = torch.matmul(x, W) + b return y 이제 입력데이터에 값을 입력하면, 선형결..