본문 바로가기

전체 글184

[머신러닝] 지도학습 / 경사하강법 / 규제화 📚 머신러닝이란 머신러닝이란 머신(=컴퓨터)가 주어진 데이터에서 유용한 정보를 추출에서 문제를 해결하기 위해서 사용되는 것을 의미한다. 머신러닝을 위해서 알고리즘이 사용되는데, 알고리즘은 데이터를 학습하기 위한 "수학적인 모형"을 의미한다. 머신러닝 알고리즘은 아래와 같이 3가지로 분류된다. ① 지도학습 • 힌트와 정답 정보를 모두 가진 데이터를 학습해서 정답을 예측하는 학습 방식 ② 비지도학습 • 관측치들의 특성 정보를 담고 있는 학습 데이터를 사용해서, 관측치들의 특성 or 패턴을 파악하는 것 • 주로 exploratory analysis 목적으로 사용된다. ③ 강화학습 • 주어진 문제를 해결하기 위해서 일련의 action을 연속적으로 수행하고, 각 행동에 대한 보상과 페널티를 부여해서 원하는 결과를.. 2022. 3. 7.
[추천시스템] 개인화 추천시스템에서 고객 제품 리뷰가 사회적 실재감에 미치는 영향 📚 논문 정보 최재원, & 이홍주. (2011). 개인화 추천시스템에서 고객 제품 리뷰가 사회적 실재감에 미치는 영향. 지능정보연구, 17(3), 115-130. 📚 요약 이 연구에서는 추천시스템 사용 과정에서 사회적 실재감이 미치는 영향을 파악하였다. 사회적 실재감은 미디어에서 사용자들이 서로 얼마나 개인적인 관계를 맺게 하는가로 정의되는데, 이 연구에서는 '웹 사이트가 사용자에게 심리적으로 다른 사용자들을 경험하게 하는 정도'로 정의했다. 연구가설은 다음과 같다. • H1 : 비개인화 추천에 비해 개인화 추천을 제공하는 것이 사용자가 인지하는 사회적 실재감이 더 클 것이다. • H2 : 비개인화 추천에서는 고객제품리뷰 제공이 고객제품리뷰를 제공하지 않는 것보다 사용자가 인지하는 사회적 실재감이 클 것.. 2022. 3. 7.
좋은 논문과 이론이란 📚 좋은 논문이란? ✅ 논문을 평가하는 주요 기준 ✅ 좋은 논문을 평가하는 기준 📌Interesting 해당 연구가 사회적 또는 비즈니스적으로 의미가 있는 연구인가? ✔relevence : 비즈니스 측면에서 가치가 있는 주제인가? ✔timeliness : 시의 적절한가? 즉, 해당 주제 대한 관심도가 어느정도 유지될 수 있어야 함. 논문 작성+졸업심사+학회 발표 까지 고려하면 몇 년은 잡아야 하기 때문에 흥미가 쉽게 꺼지는 연구는 게재가 어려울 수도 있다. ✔practical implication : 연구의 결과가 사회, 비즈니스, 회사에 적용이 될 수 있는가? 연구 결과를 제시했을 때 So What? 이 나오면 안 됨 → 현재 비즈니스 현상에서 논문 주제를 찾아내야 한다. 기존 문헌에서 연구 주제를 찾.. 2022. 3. 3.
[파이토치 스터디] DataLoader 사용 📚 미니배치와 DataLoader 사용하기 파이토치에서는 DataLoader를 사용해서 미니 배치 형태로 쉽게 처리할 수 있다. import torch import torch.nn as nn import torch.nn.functional as F from torch.utils.data import TensorDataset # 텐서데이터셋 from torch.utils.data import DataLoader # 데이터로더 x_train = torch.FloatTensor([[73, 80, 75], [93, 88, 93], [89, 91, 90], [96, 98, 100], [73, 66, 70]]) y_train = torch.FloatTensor([[152], [185], [180], [196], [.. 2022. 3. 2.
[파이토치 스터디] 경사하강법 구현, Class 사용하기 📚 선형회귀로 경사하강법 살펴보기 • 경사하강법은 위와 같은 cost function을 미분해서 기울기(gradient)가 가장 심한 지점을 구해서, 비용함수의 최저 지점으로 이동하는 방향을 찾아내는 알고리즘이다. 📌 변수 선언 import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim x_train = torch.FloatTensor([[1], [2], [3], [4], [5], [6]]) y_train = torch.FloatTensor([[2], [4], [6], [7], [11], [14]]) 📌 가중치, 편향 초기화 #%% 가중치, 편향 초기화 W = torch.zeros(1, requ.. 2022. 3. 1.
[파이토치 스터디] 파이토치 기초 📚 텐서(Tensor) 조작하기 ✅ 브로드캐스팅 m1 = torch.FloatTensor([[3, 3]]) m2 = torch.FloatTensor([[2, 2]]) print(m1) print(m2) print(m1 + m2) 텐서 간의 사칙연산을 수행할 때, 텐서의 크기가 동일하면 이상없이 진행된다. m1 = torch.FloatTensor([[1, 2]]) m2 = torch.FloatTensor([3]) # [3] -> [3, 3] print(m1) print(m2) print(m1 + m2) m1 = torch.FloatTensor([[1, 2]]) m2 = torch.FloatTensor([[3], [4]]) print(m1) print(m2) print(m1 + m2) 텐서의 차원과 크기가 .. 2022. 3. 1.

티스토리툴바