딥러닝과 CNN에 관해 학습하며 진행한 프로젝트입니다.
CNN을 익히기 위해 CNN 모델의 여러 하이퍼파라미터들을 바꾸어가며 정확도를 비교했습니다.
CNN_하이퍼파라미터_비교에서 가장 성능이 좋았던 3번째 모델에 대한 분석입니다.
기존 모델(main_model) 학습 이후 Kmeans를 활용하여 정확도를 높인 버전입니다. (크로스엔트로피 + Kmeans을 활용한 Loss 함수)
히트맵을 출력하여 모델이 입력 이미지에서 어떤 부분을 중점적으로 고려했는지 확인합니다.
t-SNE로 고차원 공간에서 데이터가 놓인 manifold를 찾아내어, 그 구조를 잘 유지한 채로 저차원 공간으로 "평평하게" 핀 모습을 시각적으로 확인합니다.
인공지능, 머신러닝, 딥러닝 등을 학습하고, 특히 CNN을 깊게 학습함으로써 향후 주가 예측 프로젝트 수행 역량의 기반이 되었습니다.