[오직 컨셉] Word Embedding
One hot representation기본 개념 하나의 사물(단어)를 하나 element만 1 나마지는 0인 벡터로 표현하는 방식 예시전세계의 과일이 3개 밖에 없다고 했을 때 사과, 배, 바나나벡터 길이 = 3사과 = [1, 0, 0]배 = [0,1,0]바나나 = [0,0,1] 단점사물이 늘어날 수록 벡터 길이도 같이 늘어나서 용량을 많이 먹는다벡터에 아무런 의미가 들어가 있지 않다. Distributed Representaion기본개념one hot은 하나의 element 만으로 표시 되었다면,이것은 벡터내의 여러 element의 조합으로 나타내는 것 예시첫번때 element = 평균 당도두번째 elemet = 둥글기사과 = [0.6, 0.9]배 = [0.7, 0.9]바나나 = [0.9, 0.1] 장..
[Tensorflow 101 - 2] 기본 Neural Network Classifier(Feed Forward NN)
텐서플로우로 아주 간단한 classifier를 만들어봅시다. 흔한 예제인 스팸필터를 만든다고 생각해봅니다. 광고라는 단어가 있으면 1 없으면 0 상관 없는 단어인 김치라는 단어가 있으면 1, 없으면0 전화번호가 저장되어 있으면 1, 없으면 0이라고 해봅시다. [1,1, 1]은 광고라는 단어도 있고, 김치라는 단어도 있고, 전화번호도 저장되어 있는 경우입니다. 상식적으론 데이터 [1,0,0], [1,1,0] => 스팸 [1,0]나머지 데이터 => no 스팸 [0,1] 일겁니다. 이걸 구별하는 코드를 만들어 봅시다. (트레이닝 데이터와 테스트 데이터와 동일하므로 좋은 예는 아니겠지만) import tensorflow as tf import numpy as np #트레이닝 데이터 만들기 x_data = np...
[Tensorflow 101 - 인트로] 텐서플로우 시작을 위한 기초 및 기본상식
이번 글은 이미 머신러닝은 안다는 기준에서 텐서플로우(Tensorflow)만을 설명하려고 합니다. 이번에는 텐서프로우를 할려면 꼭 알아야 하는 개념과 용어를 설명하려고 합니다. 1. 텐서 (Tensor) 스칼라, 벡터, 메트릭스 모든 것을 포괄하는 모든 정보를 의미합니다. 텐서는 중요한 개념인 Rank와 shape 있습니다. Rank는 바로 텐서의 Dimension이라고 생각하면 됩니다. Rank = 0 이면 스칼라 7 (shape: []) Rank = 1 이면 벡터 [5, 7, 8] (shape: [3]) Rank = 2이면 행렬 [ [1,2,3], [4,5,6], [7,8,9]] (shape: [3,3]) Rank > 2이면 그냥 다차원 텐서입니다. ex) [ [ [1,2,3],[4,5,6] ], [..