매개 변수로 조정된 학습 프로그램

3501 단어 기계 학습

매개 변수 조정

  • 공식을 통해 프로그램의 내부 상태를 표시하고 제공된 학습팀에서 공식을 정확하게 조정하는 것을 목표로 하는 학습 방법
  • 찰카를 예로 들면 과거 인류 간의 대전 결과를 참조하여 어떤 국면이 가리키는 착수 이후의 전개 중의 좋은 나쁜 손을 평가하고 평가가 좋아지기 위해 프로필렌글리콜을 조정한다.
  • 회귀분석은 수치를 학습 데이터 집합으로 제시할 때 이 수치를 설명할 수 있는 공식을 확정하는 것이다.
  • 회귀분석의 대표적인 방법은 최소 2승법이 있다.
  • 최소 2승법 회귀 분석


    최소 2승법으로 일차적인 계수를 구하고 기계 학습 책상의 관계를 고려한 도표.
    여기에는 파라미터 조정을 통해 학습하는 예제로 기상 데이터를 처리해 본다.
  • 학습 데이터 세트 => 니가타현 나가오카시의 매년 평균 일 기온
  • 기상청 홈페이지에서 사용된 데이터 =>기상청 > 과거 기상 데이터 검색
  • 만든 프로그램을 Giithub에 공개 = > 절차.
  • 준비물:
  • 최소 2승법으로 선형 계수를 확정하는 도표=>lsm.c
  • 책상에서 필요한 줄만 꺼내는 그림=>selectline.c
  • 책상에서 지정한 위치의 수치를 꺼낸 그림 = >cutfield.c
  • 데이터 파일에 줄 번호를 추가하는 그림 =>addnumber.c
  • 웹 사이트에서 복사한 기상 데이터.txt
  • 단계:
  • 기상계에서 일평균 기온을 추출하다$ ./selectline 2 < rawdata.txt | ./cutfield 5 > data.txtrawdata의 2N 줄만 추출하고 5열만 추출합니다.데이터 결과.txt에 저장합니다.
  • X축 수치 추가$ ./addnumber 1976 < data.txt > lsmdata.txtdata.txt 데이터의 왼쪽에 1976년부터 연호를 추가했습니다.lsmdata.txt에 저장합니다.
  • 최소 2승법을 이용하여 회귀분석을 한다$ ./lsm < lsmdata.txt최소 2승법에 따라 공식 계수를 계산하는 도표에 일평균 기온 데이터를 삽입
  • 최소 2승법으로 계수를 계산한 결과 = >y = 12.206341+0.035819x
    장강시 매년 평균 기온의 추이와 최소 2승법의 일회식 회귀 분석
  • 기온이 해마다 상승합니까?
  • 100년 만에 약 3.6도 상승!?
  • 최소 2승법으로 미래의 기온을 예측할 수 있지만 이런 간단한 학습 요구 공식은 100년 뒤 예측에 활용하기 어렵다.

    데이터 변동 경향의 학습

  • 전년도 평균 일일 기온과 결합하여 학습 규칙성을 고려
  • 예를 들어 평균 기온이 비교적 낮은 해에 지속되면 다음 해의 기온이 상승할 수 있다는 규칙성
  • 을 얻을 수 있다.
  • 전년도 기온에 비해 상승하면 + 하락을 나타내는 기호
  • 예)1년 전:15.4 그해:15.9→상승 "+"
    1년 전:16.8 그해:14.4→하강
  • 지난 3년간의 책상 변동 추출 도면판 = >8 도면판
  • 변동된 C자형 회전을 학습 테이블 그룹에 나타난 주파수
  • 로 계산한다.
    2년 전
    일년 전
    당년
    빈도
    +
    +
    +
    +
    +
    -
    +
    -
    +
    +
    -
    -
    -
    +
    +
    -
    +
    -
    -
    -
    +
    -
    -
    -
  • 2년 전에 1년 전의 변동 모델에 따라 그해의 변동을 예측
  • 예제)
    2년 전
    일년 전
    당년
    빈도
    +
    +
    +
    0
    +
    +
    -
    6
    변동이 +, +라면 그해에 +로 바뀔 확률이 낮다=>+, +라면 그해는'-'
    2년 전
    일년 전
    당년
    빈도
    +
    -
    +
    9
    +
    -
    -
    4
    변화가 +라면 그해에 +로 바뀔 확률이 더 높을 것으로 예측된다=>+, 그 다음은'+'
    준비물:
  • 온도조절 변동의 도표.c
  • 2년 전, 1년 전의 변동도에서 그해의 변동을 예측한 도표=>ml1.c
  • 단계:
  • 기온 데이터에 따라 전년도 대비 변동 계산./updown < data.txt > pm.txt결과는pm이다.txt에 저장
  • 변동 모델의 빈도와 그해의 변동 예측을 진행한다./ml1 < pm.txt
  • 결과:
    +
    +
    -
    +
    +
    -
    +
    +
    +
    +
    +
    +
    +
    -
    +
    +
    +
    +
    +
    +
    +
    -
    +
    +
    +
    +
    -
    +
    -
    +
    -
    -
    +
    -
    +
    +
    +
    -
    +
    -
    学習結果
    +++ : 0
    ++- : 6
    +-+ : 9
    +-- : 4
    -++ : 7
    -+- : 7
    --+ : 4
    --- : 1
    
    학습 결과에 따르면+++모드의 주파수는 0이고 -모드의 주파수는 1로 다른 모드에 비해 특징이 있다.
    그렇다면 절차 예측의 변동과 실제 변동을 비교해 보자.
  • 2회 연속 기온 하락/상승 후의 예측처럼 특징적인 기온 변화 시 예측이 양호하다는 것을 나타낸다
    => 기온 데이터의 특징을 학습했다
  • 상승과 하락을 반복하는 상황은 좋지 않은 예측이다
    => 기온 데이터에서 주의할 만한 특징이 발견되지 않았다
  • 참고 문헌


    '첫 기계학습'소지홍 옴사

    좋은 웹페이지 즐겨찾기