줘이리의 인생적기

이번에는 직선이 아니라 곡선 회귀선을 구해보도록 하겠습니다. 직선인 1차 함수에서 곡선 2차 함수로 조금 복잡해지기 때문에 함수명을 조금 간단하게 바꾸어보도록 하겠습니다. import tensorflow as tf import numpy as np import matplotlib.pyplot as plt import random #X = school_age_population, Y = elderly_population X = [16.4, 14.7, 17.2, 16.6, 17.1, 20.3, 17.2, 15.6, 17.4, 18.7, 16.9, 17.1, 15.8, 19.3, 16.6, 15.1, 17.9] Y = [11.4, 13.2, 11.1, 17.6, 16.3, 9.2, 15.2, 18.4, 18...

tensorflow 10번째 게시물에서 수식과 최소제곱법을 이용하여 회귀선을 도출했었습니다. 하지만 텐서플로우에서는 이러한 어려운 수학 수식없이 회귀선을 구할 수 있습니다. [tensorflow 10] 선형회귀01 에서 사용했던 자료들을 이용해보겠습니다. 먼저, tf.Variable를 통해 랜덤 값을 뽑아내고 tf.reduce_mean을 통해 잔차의 제곱의 평균을 뽑아내고 tf.optimizers를 통해 잔차의 제곱의 평균을 최소화하려고 합니다. import tensorflow as tf import numpy as np import matplotlib.pyplot as plt import random school_age_population = [16.4, 14.7, 17.2, 16.6, 17.1, 20..

데이터의 경향성을 잘 설명하는 하나의 직선을 예측하는 선형 회귀(Linear Regression)에 대해 공부해보겠습니다. 예를 들어, 키와 몸무게 2개의 데이터 경향성을 보면 키가 클수록 몸무게가 많이 나갈 확률이 높습니다. 또, 날씨의 온도와 호빵의 판매량 2개의 데이터 경향성을 보면 날씨가 추울수록 호빵이 많이 판매될 확률이 높습니다. 저는 통계청에 재미있는 통계들이 많이 있어서 2개의 데이터를 뽑아 어떤 경향성이 있는지 확인해보려고 합니다. kosis.kr/easyViewStatis/visualizationIndex.do KOSIS 국가통계포털 kosis.kr 저는 이 곳에서 2017년 지역별로 학령인구와 고령인구비율 데이터를 가지고 이 두 데이터가 어떤 경향성을 가지고 있는지 선형 회귀로 예측해..

tensorflow 공부를 위해 그래픽 드라이버, cuda, cudnn을 설치하려 합니다. nvidia 관련 프로그램 삭제 - cuda 설치(+ 그래픽 드라이버) - cudnn 설치 순으로 포스팅 하겠습니다. tensorflow version : 2.0 cuda version : 10.0 cudnn version : 7.6.0 1. Nvidia 프로그램 삭제 - 제어판 -> 프로그램 추가/삭제에서 nvidia와 관련되어 있는 것들을 모두 삭제합니다. - 로컬 디스크 -> Program Files와 Program Files(x86)에 있는 NVIDIA 관련 파일들을 모두 삭제합니다. - 장치 관리자 -> 디스플레이 어댑터 -> 드라이버 업데이트 - 아래와 같은 순서로 진행 NVIDIA 그래픽 드라이버 완전..