인공지능 기초 수업 근황..그런데 이제 오렌지를 곁들인

계속 수정할 예정인 글

 

요즘 우리학교에서 인공지능 기초 수업시간에 실습을 Orange3을 사용해서 한다.

프로그래밍을 할 줄 몰라도 쉽게 데이터 시각화, 인공지능 모델 구현 등을 할 수 있어서 입문용으로 아주 좋은 것 같다.

 

지금까지 두 시간에 걸쳐 Neural Network와 KNN에 대해 배웠다. 간략하게 정리해보자.

 

Neural Network는 실제 신경망과 비슷하게 퍼셉트론(≒뉴런)으로 구성된 인공 신경망을 만들고, 가중치를 조절하면서 인공지능을 학습시키는 방식이다. 입력층, 은닉층, 출력층으로 구성되는데 은닉층의 수에 따라 다층신경망, 심층신경망 등으로 부른다. 은닉층의 개수와 은닉층의 퍼셉트론 수 등이 모델의 정확도를 좌우할 수 있다. 또, 활성화 함수를 뭐로 하냐에 따라서도 달라지는데, 오렌지에서 ReLu, 로지스틱 같은것들이 있었던 것 같다.

 

KNN은 어떤 새로운 데이터의 결과값을 알고 싶을 때, 그 데이터와 가장 가까운 k개의 데이터의 결과를 보고, 그 중 가장 많은 것을 새로운 데이터의 결과로 결정하는 방식이다. k는 일반적으로 1보다 큰 홀수로 정한다. (짝수면 어느쪽이 더 많은지를 결정할 수 없는 상황이 올 수 없기 때문이라던데 분류를 3종류 이상으로 하면 어떻게 되지?) '가장 가까운 k개'라고 했는데 이 때 거리를 재는 방법도 다양하다. 오렌지에서 유클리디안, 맨해튼 등등 중에서 선택할 수 있다. 유명한 유클리디안이나 맨해튼으로 하라고 하셨다.

 

정확도를 볼 때에는 CA(왼쪽에서부터 두번째 수)를 봐야되는데 AUC를 읽는 애들이 많아서 많이 낚였다. 나는 정확도가 0.7 어딘가인데 애들은 0.8 나온다고 해서 높이려고 별짓 다해도 안 올라가길래 좌절했었는데 알고보니 AUC가 0.8이고 CA는 0.7이었다든가..

 

근데 이걸로 수행 볼 생각하니 혼미해지네... 그냥 할땐 재밌지만 수행만 나오면 스트레스 와....