개발차
![[핸즈온 머신러닝] 제 4장 정리](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Ft1.daumcdn.net%2Fcfile%2Ftistory%2F992535355C662D8C22)
[핸즈온 머신러닝] 제 4장 정리
Jupyter Notebook Markdown 이용해서 수식, 코드 입력하고 HTML출력해서 포스팅하는게 더 편리하네요! Part. 4 Model Training 정리Keyword선형 회귀 :ŷ =θ0+θ1x1+θ2x2+⋯+θnxnŷ : 예측값 n : 특성의 수 θ : 모델 파라미터ŷ =h0(x)=θT•xθ : 모델 파라미터T는 행벡터를 의미x는 샘플의 특성 벡터MSE :MSE(X,h0)=1m∑i=1m(θT•x(i)−y(i))2가설 - 실제의 제곱들의 합의 평균 => 평균 제곱 오차라고 불린다.정규방정식 :비용 함수를 최소화하는 θ를 찾기 위한 해석적인 방법이다.θ̂ =(XTX)−1•XT•yθ̂ : 비용 함수를 최소화하는 θ의 값y : y(1) ~ y(m) 까지 포함하는 타깃 벡터X : 훈련 세트계..
[Pandas] Pandas02 - Fictional Army 풀이
Fictional Army - Filtering and SortingIntroduction:This exercise was inspired by this pageSpecial thanks to: https://github.com/chrisalbon for sharing the dataset and materials.Step 1. Import the necessary libraries¶In [1]:import pandas as pd Step 2. This is the data given as a dictionaryIn [2]:# Create an example dataframe about a fictional army raw_data = {'regiment': ['Nighthawks', 'Nighthawk..
![[Google Study JAM] Entity and Sentiment Analysis with the Natural Language API](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Ft1.daumcdn.net%2Fcfile%2Ftistory%2F99A2C0505C63908F22)
[Google Study JAM] Entity and Sentiment Analysis with the Natural Language API
Entity and Sentiment Analysis with the Natural Language API The Cloud Natural Language API를 이용함으로써, text에서 entities를 뽑아낼 수 있고, 감정의 정도를 찾아낼 수 있고, 문법적인 분석도 가능하고, text를 categories에 분류하는 것도 가능하다. 과정은 이전과 유사하다. 1. 이전과 마찬가지로 GCP에 접속하여 Cloud Shell을 활성화 시킨다. 2. Credential API KEY를 받고, 경로설정을 해준다. export API_KEY= 3. Make an Entity Analysis Request / json파일을 만든다. 처음에는 AnalyzeEntities를 사용할 것이다. ( Text로 부터 e..
![[Google Study JAM] Speech to Text Transcription with the Cloud Speech API](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Ft1.daumcdn.net%2Fcfile%2Ftistory%2F99F780335C62EBCA2A)
[Google Study JAM] Speech to Text Transcription with the Cloud Speech API
Speech to Text Transcription with the Cloud Speech API 이번에도 Speech ( audio file )을 Text형태로 나타내주는 API를 이용한다. 추가적으로 multilingually 하게 Text 형태로 변환시킨다. 1. 이전과 마찬가지로 GCP에 접속하여 Cloud Shell을 활성화 시킨다. 2. Credential API KEY를 받고, 경로설정을 해준다. export API_KEY= 3. Create your Speech API request touch request.json request.json 파일을 먼저 만들고 아래의 내용을 Nano를 통해 수정한다. { "config": { "encoding":"FLAC", "languageCode": "e..
![[Google Study JAM] Cloud Natural Language API: Qwik Start](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Ft1.daumcdn.net%2Fcfile%2Ftistory%2F996A9A385C6242F42D)
[Google Study JAM] Cloud Natural Language API: Qwik Start
두 번째 Qwik은 자연어를 사람/ 장소등 중요한 정보를 가진 텍스트를 뽑아내는 API사용법에 대해 설명하고 있다. 문법(Syntax Analysis)을 봐주고, 개체(Entity Recognition)들을 인식하고 감정분석(Sentiment Analysis), 기존에 정해진 카테고리로의 컨텐츠 분류(Content Classification), 다양한 언어를 지원한다(Multi - Language) 앞선 Speech API의 과정처럼 1) API KEY를 생성하고2) 분석 요청 메시지를 전송하여 결과를 얻어낸다! 1. 먼저 사용할 환경을 설정해준다 ( 환경변수 등록 ) export GOOGLE_CLOUD_PROJECT=$(gcloud config get-value core/project) 2. Natur..
![[KOCW 선형대수] 3강. LU분할](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Ft1.daumcdn.net%2Fcfile%2Ftistory%2F99D91D485C61A1071A)
[KOCW 선형대수] 3강. LU분할
3강. LU분할¶1.4 Matrix Notation and multiplication⎧⎩⎨⎪⎪2u+v+w=5 4u−6v=−2 −2u+7v+2w=9 ⎡⎣⎢⎢2 4 −21−67102⎤⎦⎥⎥⎡⎣⎢⎢uvw⎤⎦⎥⎥=⎡⎣⎢⎢5−29⎤⎦⎥⎥이를 Coefficient Matrix라고도 부른다 (계수만 가져와서)u⎡⎣⎢⎢24−2⎤⎦⎥⎥+v⎡⎣⎢⎢1−67⎤⎦⎥⎥+w⎡⎣⎢⎢102⎤⎦⎥⎥=⎡⎣⎢⎢5−29⎤⎦⎥⎥이를 Ax=b 의 형태로 볼 수 있다. Ax는 A의 열에 대한 Combination이다.Coefficients는 x의 성분에 해당한다.bi=∑nj=1aijxij => sigma-notationElimentary matrix in elimination stepsE21=⎡⎣⎢⎢1 −l21 0010001⎤⎦⎥⎥이 식을 통해 ..