센로그

◆ Feature Scaling 경사 하강 알고리즘이 더 적은 반복으로 전역 최솟값에 도달하기 위해, 피처 값의 범위를 조정하는 것. 표준화, 정규화 등의 방식을 포함한다. 표준화 서로 다른 범위의 변수들을 평균이 0이고 분산이 1인 가우시안 정규 분포를 가진 값으로 변환하는 것 정규화 서로 다른 범위의 변수들의 크기를 동일하게 하기 위해 (일반적으로[0,1]로) 변환하는 것 ◆ 정규 방정식 파라미터 θ의 최적값을 직접 계산하는 방법. hθ(X) = θ0x0 + θ1x1 + θ2x2 + θ3x3 + θ4x4 +... = θ^T*X 일 때 [예시] ◆ 경사하강법 vs 정규 방정식 경사 하강법은, 피처가 많을 때 효율적이다. 그러나 학습률 α를 결정해야하고 반복이 많다는 단점이 있다. 정규 방정식은, 학습률..

◆ Linear Regression with One Variable : 단변수 선형 회귀 m : 학습할 데이터 수 x : 입력 변수 (독립 변수) y : 출력 변수 (종속 변수) (x, y) : 한 데이터 셋 (x^i, y^i) : i번째 데이터 셋 h : 가설(hypothesis). 학습 알고리즘이 하는 일. x와 y를 매핑하는 함수 학습 알고리즘을 디자인할 때, 우리가 결정해야 할 것은 가설 'h'를 어떻게 표현할 것인지 결정하는 것! 단변수 선형 함수 하나의 변수를 가지고 결과를 예측하는 함수. θ0과 θ1은 파라미터. ◆ Cost Function : 비용 함수 에서, θ0와 θ1의 값을 고르는 방법! 실제 결과값인 y값과 hθ(x)값의 차를 최소화해주는 θ0, θ1을 찾으면 됨. 평균 제곱 오차 ..

◆ 머신러닝은 다양한 산업분야에서 사용되고 있다 1) 웹의 성장과 자동화의 성장 -> 굉장히 많은 데이터 -> 학습에 용이 2) 수동으로 코딩하지 못하는 것들 -> 학습을 통해 알고리즘 만들도록 함 3) 맞춤형 추천해주는 프로그래밍 4) 인간이 어떻게 학습하는지와, 뇌를 이해하기 위해 사용됨 ◆ 머신러닝이란? 1) 컴퓨터가 명시적인 프로그램 없이도 스스로 학습할 수 있는 능력을 연구하는 학문 2) 프로그램은 경험(E)으로부터 학습한다. 프로그램이 일정 수준의 성능 측정(P)을 가지고 작업 (T)을 수행한다고 했을 때, 경험(E)이 증가함에 따라 작업(T)을 수행하는 성능(P)이 향상될 수 있다. ◆ 머신러닝의 종류 1) 지도학습 정답이 있는 데이터 set을 통해 학습 2) 비지도학습 정답이 없는 데이터 ..