전체 글120 [DLBasic] Lecture 4. Multi-variable Linear Regression 저번 시간에 hypothesis, cost function, gradient descent algorithm에 대해 배웠다. 또 input이 하나일 때는 위와 같은 data가 나오고 x 하나로 y 하나를 예측하면 된다. 오늘 배울 것은 여러 개의 input으로 결과 하나를 예측하는 multi-variable linear regression이다. 위와 같은 경우에는 input이 3개이다. 이런 경우에는 변수가 3개나 있어서 이전의 방법과는 다른 방법을 써야한다. 입력이 3개일 때 가설과 cost function은 위와 같은 모양이 될 것이다. variable이 더 많은 경우도 위와 같이 설정할 수 있다. 그런데 이렇게 나열하다보니 매우 불편해진다. 그래서 matrix를 사용하려고 한다. 위와 같이 우리의 .. 2020. 1. 15. [DLBasic]Lecture 3 . How to minimize cost 저번 시간에 설명했던 cost function을 어떻게 최소화해서 Linear Regression을 완성할 것인지가 이번 시간의 중요 포인트가 되겠다. b를 없애서 간단하게 가정한다고 하고, cost function도 역시 b를 없애서 위와 같이 간략하게 가설을 세웠다고 하자. 최소화하는 값인 W를 찾고자 한다. 예를 들어 위와 같이 cost function을 그릴 수 있겠다. 여기서 cost function이 최소화되는 점은 0이다. 이 최소화되는 점을 찾기 위해서 가장 많이 사용되는 방법은 'Gradient Descent Algorithm'이다. 경사를 따라 내려가는 알고리즘이라고 할 수 있겠고, cost function을 최소화하는 점을 찾는 데 사용되고, 이외에도 많은 minimization 문제.. 2020. 1. 15. [DLBasic]Lecture 2. Linear Regression Linear Regression은 Machine Learning에서 실제로 많이 사용된다. 저번 시간에 설명했던 것과 같이 어떤 학생의 공부한 시간별 시험 성적이 0~100점까지의 연속적인 넓은 범위 안에서의 한 값이라고 한다면 Regression을 사용한다. 이것은 이미 주어진 데이터들로 학습을 하는 것이니 Supervised Learning에 속한다. 데이터를 가지고 학습을 하는 과정은 Training이라고 하고, regression으로 모델을 하나 만들고 나서 regression을 사용해서 공부 시간을 주고 시험 점수를 예측하게 할 수 있다. 위의 표는 Training Data의 예이고, Regression Model을 만들어보자. x는 예측하기 위한 기본적인 자료, Feature이라고 하고, y는.. 2020. 1. 15. [DLBasic]Lecture 1 : Machine Learning Basics 머신러닝, ML은 일종의 소프트웨어, 프로그램이다. 보통의 어플리케이션은 explicit programming, 즉 프로그래머가 이미 입력을 예측해서 그 결과를 결정해놓는다. 그러나 보통 입력은 매우 다양해서 모든 상황을 미리 예측할 수 없을 수도 있다. 그래서 1959년에 Arthur Samuel은 사람이 모든 상황을 미리 생각하지 말고 프로그램 자체가 상황에서 점차적으로 배우는 것이라고 Machine Learning을 정의했다. ("Field of study that gives computers the ability to learn without being explicitly programmed" - Authur Samuel(1959)) 머신러닝을 할 때 미리 주어진 데이터를 학습하는 방법으로 Sup.. 2020. 1. 15. 이전 1 ··· 26 27 28 29 30 다음
