October 2024
Beginner to intermediate
340 pages
7h 38m
Korean
Content preview from 밑바닥부터 시작하는 딥러닝 5
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
152
밑바닥부터 시작하는 딥러닝 5
로그 가능도가 단조 증가하는 모습을 볼 수 있습니다. 이번에는
9
번의 갱신 만에 임계치에 도
달했습니다. 이제 갱신 후의 매개변수로 구성된
GMM
을 시각화하겠습니다. 시각화 코드는
step05
/
em
.
py
에 있고 결과는 [그림
5
-
11
]과 같습니다.
그림
5-11
GMM
시각화
보다시피 두 개의 덩어리에 각각의 정규 분포가 적합하게 분포되어 있습니다.
5.5.3
데이터 생성
다음으로 학습된
GMM
을 이용하여 데이터를 생성해봅시다.
N
=
500
new
_
xs
=
np
.
zeros((N, 2))
for n in range(N):
k
=
np
.
random
.
choice(2, p
=
phis)
mu, cov
=
mus[k], covs[k]
new
_
xs[n]
=
np
.
random
.
multivariate
_
normal(mu, cov)
np
.
random
.
choice
(
2
,
p
=
phis
) 코드는
phis
라는 확률 분포에 따라
0
또는
1
중 하나를 무
작위로 선택합니다. 이렇게 선택한 값에 따라 해당 정규 분포에서 데이터를 생성합니다. 생성
step05/generate.py
153 ...