티스토리 뷰
#확률적 경사 하강법
#조금씩 데이터를 훈련시킬 때 사용
#손실 함수
#머신러닝 알고리즘이 얼마나 엉터리인지를 측정하는 기준. 값이 작을수록 좋음.
#최소의 손실 함수 값을 찾기위해 확률적 경사 하강법을 사용.
#로지스틱 손실 함수
#하강 경사법은 연속적이야 하기 때문에 로지스틱 회귀 모델 확률을 사용
#로그 함수로 연속적임을 나타내는데, 예측확률은 0~1 사이이고 여기서는 로그 값이 음수이므로 -log로 계산한다.
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import SGDClassifier
fish = pd.read_csv('https://bit.ly/fish_csv_data')
fish_input = fish[['Weight','Length','Diagonal','Height','Width']].to_numpy()
fish_target = fish['Species'].to_numpy()
train_input, test_input, train_target, test_target = train_test_split(fish_input,fish_target,random_state=42)
ss = StandardScaler()
ss.fit(train_input)
train_scaled = ss.transform(train_input)
test_scaled = ss.transform(test_input)
#확률적 경사 하강법을 제공하는 SGDClassifier를 사용해 분류
#loss는 손실함수의 종류를 지정,log로 로지스틱 손실 함수 지정, max_iter는 에포크 횟수 지정.
sc = SGDClassifier(loss='log',max_iter=10, random_state=42)
sc.fit(train_scaled, train_target)
print(sc.score(train_scaled, train_target))
print(sc.score(test_scaled, test_target))
#위의 훈련세트와 테스트 세트의 정확도가 낮아 추가로 훈련
#partial_fit은 호출할 때마다 1에포크씩 이어서 훈련
sc.partial_fit(train_scaled, train_target)
print(sc.score(train_scaled, train_target))
print(sc.score(test_scaled, test_target))
#과대/과소 적합
#에포크 횟수에 따라 과대/과소 적합 발생
import numpy as np
import matplotlib.pyplot as plt
sc = SGDClassifier(loss='log',random_state=42)
train_score = []
test_score = []
#train_target에 있는 7개의 생선의 목록을 준비
classes = np.unique(train_target)
#300번의 에포크 훈련을 진행, 반복마다 훈련,테스트 세트의 점수를 계산해 train,test_score에 추가.
for _ in range(0,300):
sc.partial_fit(train_scaled, train_target, classes = classes)
train_score.append(sc.score(train_scaled, train_target))
test_score.append(sc.score(test_scaled, test_target))
#점수를 그래프화, 100번째에서 좋은 모습
plt.plot(train_score)
plt.plot(test_score)
plt.xlabel('epoch')
plt.ylabel('accuracy')
plt.show()
#tol 매개변수로 향상될 최소값을 지정. none으로 설정해 max_iter만큼 멈추지않고 반복
sc = SGDClassifier(loss='log',max_iter=100,tol=None,random_state=42)
sc.fit(train_scaled,train_target)
print(sc.score(train_scaled,train_target))
print(sc.score(test_scaled, test_target))
'머신러닝 > 혼자공부하는머신러닝' 카테고리의 다른 글
머신러닝 / kmeans 알고리즘 k 구하기 (0) | 2023.03.29 |
---|---|
proba, 로지스틱 회귀 (0) | 2022.08.25 |
pandas csv read, 다중 선형 회귀 (0) | 2022.08.23 |
혼공머_3 (0) | 2022.08.23 |
혼공머_2 (0) | 2022.08.19 |
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- many-to-many
- AVB
- CAN-FD
- HTML
- Python
- AVTP
- json2html
- automotive
- 논문 잘 쓰는법
- one-to-many
- 케라스
- 차량 네트워크
- problem statement
- SVM
- 딥러닝
- SOME/IP
- Ethernet
- cuckoo
- 머신러닝
- PCA
- many-to-one
- automotive ethernet
- 로지스틱회귀
- 크로스 엔트로피
- AE
- 회귀
- porks
- 단순선형회귀
- 이상탐지
- 차량용 이더넷
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
글 보관함