def solution(absolutes, signs):
return sum(absolute if sign else -absolute for absolute, sign in zip(absolutes, signs))
์ง๋ ํฌ์คํ ์์ dropout ์ ๊ทํ + GPU๋ฅผ ํฌํจํ๊ฒ๋ ๋ฆฌํฉํ ๋ง ํด๋ณด์๋ค.
pytorch๋ฅผ ์ด์ฉํ 1 ~ 5์ธต ๊น์ง์ ์ ๊ฒฝ๋ง ๊ตฌ์ฑํด๋ณด๊ธฐ.
jupyter notebook์์ MNIST๋ฐ์ดํฐ๋ฅผ ๋ฐ์ผ๋ ค ํ์ง๋ง, ์คํ์ด ๋์ง์์ colab์์ MNIST ๋ฐ์ดํฐ๋ฅผ ๋ฐ๋ ๋ฐฉ์์ผ๋ก ํ๋ค.
Neural Network
์ ์๋ ์๋ฆฌ๋ฅผ ์์๋ณด๊ธฐ์ํด Logistic Regression
์ hidden layer๋ฅผ 1์ธต ์ถ๊ฐํด๋ณธ๋ค. ์ด hidden layer๋ฅผ ์ถ๊ฐํจ์ผ๋ก์ ๊ธฐ์กด์ Logistic Regression
์ผ๋ก ํ๋ณํ์ง ๋ชปํ๋ XOR
problem๋ ํด๊ฒฐ ํ ์ ์๊ฒ๋๋ค. ๊ทธ ์ด์ ๋ hidden layer๊ฐ ์ถ๊ฐํ๊ฒ๋๋ฉด ๊ตฌ๋ณ์ ๊ธฐ์ค์ด ๋๋ hyper plane์ ์ฌ๋ฌ๊ฐ๋ฅผ ์ฌ์ฉํ๊ฒ ๋์ ์ด๋ถ๋ฒ์ ์ธ ์์ธก์ ํ์ง์๊ณ ๋์ฑ ์ ์ฐํ๊ฒ ์์ธก์ ํ ์ ์๊ฒ ๋๋ค.
logistic function์ ์ค์ ์ ์ฒด์งํฉ $x$๋ฅผ [0, 1] ์ฌ์ด ๊ฐ์ผ๋ก ์ถ๋ ฅํด์ฃผ๋ ํจ์๋ค.
\[y = \frac{1}{1+e^{-x}}\]
data shape : 2000000 x 28
# data analysis and wrangling
import pandas as pd
import numpy as np
import random as rnd
pd.set_option('display.max_columns', 100)
# visualization
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
# machine learning
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC, LinearSVC
from sklearn.ensemble import RandomForestClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.linear_model import Perceptron
from sklearn.linear_model import SGDClassifier
from sklearn.tree import DecisionTreeClassifier
itertools๋ ๋ฒ๋ฆด๊ฒ ํ๋์๋ ์์ฃผ ์ ์ฉํ ๋ชจ๋์ด๋ค.
๋ฌดํ ์ดํฐ๋ ์ดํฐ
count
cycle
repeat
์ดํฐ๋ ์ดํฐ
accumulate
chain
chain.from_iterable
compress
dropwhile
filterfalse
groupby
islice
tee
zip_longest
์กฐํฉํ
product
permutations
combinations
combinations_with_replacement