For Engineering

GBL 학습을 위해 파이썬으로 구현한다. 그리고 update 횟수, Learning rate, gradient(기울기) 등 변경하면서 그려지는 그래프를 보며 이해하면 도움이 된다. 변수가 하나일 경우 import numpy as np def f(x, grad): return grad * ((x)**2) def df_dx(x, grad): return 2 * grad *(x) gradient = [1/10, 1/8, 1/6] # 일반적인 기울기 gradient = [1/10, 1.1, 2] # 발산하는 케이스 ITERATIONS = 20 # 총 n번의 update를 할 것 lr = 0.3 # learning rate import matplotlib.pyplot as plt fig, axes = plt.su..

역쇄법칙을 사용하여 미분계수 구하기.(연습) 밑바닥 153p 참고 class Function1: def forward(self, x): z = x - 2 return z def backward(self, dy_dz): self.dy_dx = 1 self.dy_dx *= dy_dz # chain rule return self.dy_dx class Function2: def forward(self, z): self.y = 2*(z**2) return self.y def backward(self): return self.y * 4 class FunctionUnion: def __init__(self): print(f'f(x) = 2*(x - 2)**2\n') self.f1 = Function1() self.f..

클래스 연습 겸 Logic Gate 만들기 class LogicGate: def __init__(self, w1, w2, b): self.w1 = w1 self.w2 = w2 self.b = b # __call__ : 함수를 지정하지 않고 호출가능. 그러므로 하나만 설정 가능 # self.함수(x1, x2) -> self(x1, x2) 로 사용하게 됨. def __call__(self, x1, x2): z = self.w1 * x1 + self.w2 * x2 +self.b if z > 0: return 1 else: return 0 class ANDGate: def __init__(self): self.gate = LogicGate(0.5, 0.5, -0.7) def __call__(self, x1, x..

Logic Gate : AND, OR, NAND, XOR, HALF_ADDER, FULL_ADDER 등등 구현 연습 def and_gate(x1, x2, bias): if (x2 + x1 - bias) > 1: return True else: return False def or_gate(x1, x2, bias): if (x2 + x1 - bias) > 0: return True else: return False def nand_gate(x1, x2, bias): return not and_gate(x1, x2, bias) def xor_gate(x1, x2, bias): _or = or_gate(x1, x2, bias) _nand = nand_gate(x1, x2, bias) return and_gate..

!pip install AutoViz !pip install xlrd import warnings warnings.filterwarnings('ignore') import pandas as pd from autoviz.AutoViz_Class import AutoViz_Class AV = AutoViz_Class() # 데이터 불러오기 file = "csv 파일" df = pd.read_pickle(file) df.head() # AutoViz 실행 save_viz_dir = 'eda_viz' # 폴더 이름. chart_format 형식으로 저장될 파일 위치. dftc = AV.AutoViz(filename='', sep=',' , depVar='Attrition_Flag', # 타겟 데이터 컬럼명 df..

참고 링크 : https://numpy.org/doc/stable/reference/random/generated/numpy.random.normal.html 무작위 표존 추출 random.normal(loc=0.0, scale=1.0, size=None) Draw random samples from a normal (Gaussian) distribution. Parameters: (평균)loc : float or array_like of floats : Mean (“centre”) of the distribution. (표준편차)scale : float or array_like of floats : Standard deviation (spread or “width”) of the distribution..