모두를위한딥러닝
-
Lec03) Linear Regression의 cost 최소화 알고리즘의 원리 설명Deep Learning 공부자료/모두를 위한 딥러닝 2020. 3. 10. 01:15
Hypothesis and Cost Hypothesis : \(H(x) = Wx + b\) Cost Function : \(Cost(W,b)\) = \(1/m \sum_{i = 1}^{m} (H(x_i)-y)^2\) linear regression의 목표 : cost를 minimize 시키는 W와 b 찾기 Simplified Hypothesis 계산의 편의를 위해서 b = 0으로 설정한다. Hypothsis : \(H(x) = Wx\) Cost Function : \(Cost(W,b)\) = \(1/m \sum_{i = 1}^{m} (Wx_i-y)^2\) What \(Cost(W)\) looks like? 해당 예제의 cost function을 컴퓨터로 그려봤더니, 아래와 같은 그래프가 나왔다. cost..
-
Lec02) Linear Regression의 가정과 cost functionDeep Learning 공부자료/모두를 위한 딥러닝 2020. 3. 10. 00:35
Linear Regression Linear Hypothesis Linear Model이 우리의 Data에 잘 맞을 것이라는 가정을 세운다. 실세계에서 linear model이 적용 가능한 경우가 매우 많다. 학습 : Data에 잘 부합하는 linear equation을 찾는 과정 위 그래프의 각 선은 H(x) = Wx + b 로 표현된다. 선들 중 어느 선이 Data에 가장 잘 맞는지 판단할 수 있어야 한다. 즉, 최선의 W (weight)와 b (bias)의 값을 찾아 내야 한다. 실제 Data와 hypothesis 간의 거리 (빨간 선)을 측정하여, 최선의 hypothesis를 이전의 그래프의 선들 중에서 찾아낸다. Cost Function (= Loss Function) How fit the li..
-
Lec01) Machine Learning 용어와 개념 정리Deep Learning 공부자료/모두를 위한 딥러닝 2020. 3. 10. 00:22
Machine Learning 더보기 일종의 software - explicit programming의 한계를 극복하기 위해 개발 되었다. Field of study that gives computers the ability to learn without being explicitly programmed. (Arthr Samuel) Supervised / Unsupervised Learning 학습하는 방식에 따라서 나뉘어짐 학습 : 데이터를 특별한 알고리즘에 적용해 머신러닝 모델을 정의된 문제에 최적화하는 것 Supervised Learning : 정해져 있는 labeled example을 training set으로 학습 정답을 알려주면서 진행되는 학습. 학습 시 데이터와 함께 label(정답)이 제공..