rm(list = ls()) # Artificial Neural Network(인공 신경망)# f(x) = 2x + 1curve(expr = 2 * x + 1, from = -5, to = 5)# sigmoid 함수: f(x) = 1 / [1 + exp(-x)]curve(expr = 1 / (1 + exp(-x)), from = -10, to = 10)# hypobolic tangent: f(x) = tanh(x)curve(expr = tanh(x), from = -5, to = 5) # 콘크리트의 강도 예측# 1. 데이터 준비concrete 0 ~ 1# 표준화(Standardization): z-score 표준화(평균, 표준편차) normalization
R
블랙박스 : 입력값과 출력값만 알 수 있을 뿐, 구체적으로 시스템이 무슨 일을 하는지 모르는 것.*+- 노드와 계층의 구별신경망의 학습 능력은 상호 연결된 뉴런의 토폴로지(또는 패턴과 구조)에 기인한다.수많은 형태의 네트워크 구조가 있지만 세 개의 주요 특성에 따라 구별될 수 있다. - 계층 개수 - 네트워크 정보가 역방향으로 이동할 수 있는지 여부 - 네트워크의 각 계층별 노드 개수 노드는 각각의 네모와 동그라미를 지칭한다. 입력층의 노드는 4개, 은닉층은 7개, 출력층은 3개의 노드를 가지고 있다. 계층은 연결되는 층의 수를 의미한다. 현 신경망은 총 4개의 계층을 가지며, 은닉층은 2개의 계층을 가진다. # Artificial eural Network(인공지능 신경망)#f(x) = 2, +1curv..
# Regression Tree와 Model Treerm(list = ls())#1. 데이터 준비wine summary(wine)fixed.acidity volatile.acidity citric.acid residual.sugar chlorides free.sulfur.dioxideMin. : 3.800 Min. :0.0800 Min. :0.0000 Min. : 0.600 Min. :0.00900 Min. : 2.00 1st Qu.: 6.300 1st Qu.:0.2100 1st Qu.:0.2700 1st Qu.: 1.700 1st Qu.:0.03600 1st Qu.: 23.00 Median : 6.800 Median :0.2600 Median :0.3200 Median : 5.200 Median :0...
insurance = read.csv('mlwr/insurance.csv') # 데이터 확인str(insurance)'data.frame': 1338 obs. of 7 variables:$ age : int 19 18 28 33 32 31 46 37 37 60 ...$ sex : Factor w/ 2 levels "female","male": 1 2 2 2 2 1 1 1 2 1 ...$ bmi : num 27.9 33.8 33 22.7 28.9 25.7 33.4 27.7 29.8 25.8 ...$ children: int 0 1 3 0 0 0 1 3 2 0 ...$ smoker : Factor w/ 2 levels "no","yes": 2 1 1 1 1 1 1 1 1 1 ...$ region : Fact..
