IT Repository

Thinking of Decision Boundary¶ 이전 학습시간에 따른 Pass/Fail 문제는 "학습시간" 이라는 하나의 feature를 통해 Pass 또는 Fail로 Binary Classification을 하는 경우였습니다. 이번에는 2개의 feature를 생각해보겠습니다. 두 번의 시험성적을 통해 Pass/Fail을 분류하는 문제를 가정해 봅시다. In [269]: import numpy as np import matplotlib.pyplot as plt x1 = np.random.randint(0, 50, 20) x2 = np.random.randint(0, 50, 20) passed = 50=(x1+x2) plt.figure(figsize=(16, 4)) ax1 = plt.subplot(..

Classification¶ Regression과 마찬가지로 데이터 x를 넣었을 때, y가 출력으로 나오는 문제입니다. 다만 출력으로 나오게 되는 y가 Discrete한 space를 가지고 있다는게 차이점입니다. 개와 고양이의 분류, 점수에 따른 학점의 분류, 소비 패턴에 따른 성별예측과 같은 것이 Classification의 예 입니다. Linear Regression의 Hypothesis를 사용한다면?¶ In [199]: import numpy as np import matplotlib.pyplot as plt hour = np.arange(1, 11).astype(int) hour = np.concatenate([hour, np.array([20])]) label = np.zeros(11).asty..

Multi-variable Linear Regression¶ 지금까지는 파라미터가 1개인 Linear regression을 했습니다. 하지만 앞서 말한바와 같이 딥러닝 모델의 파라미터는 적어도 수천개 이상을 갖습니다. 이렇게 여러 개의 파라미터를 가진 Linear regression에 대해서 알아봅니다. 아래는 bias를 포함한 4개의 파라미터를 가진 Linear regression의 식입니다. $H(x_1, x_2, x_3) = w_1x_1 + w_2x_2 + w_3x_3 + b$ 벡터의 내적을 사용하여 계산하면 아래와 같이 표현할 수 있습니다. $\begin{eqnarray} H(x_1, x_2, x_3) &=& XW + b \\ &=& \begin{pmatrix}x_1 & x_2 & x_3\end{..

Linear Regression¶ Regression은 데이터 x를 인풋으로 넣었을 때, Continuous한 값 y가 출력으로 나오는 문제를 의미합니다. 이러한 Regression 작업을 할 때 선형 함수를 사용하기 때문에, Linear Regression 이라는 이름을 붙입니다. Thinking of Linear Regression¶ (1) 사원 수에 따른 회사의 시총의 가격을 예측하고자 합니다. 사원 수가 100명 일때 1000억, 200명 일때 2000억 원이었습니다. 그러면 사원 수가 300명이라면 회사의 시가 총액은 얼마일까요? (2) 인근 역과의 거리에 따라 집값이 어떻게 변하는지를 예측하고자 합니다. 1km 떨어졌을 때 8억, 2km 떨어졌을 때에는 6억, 3km 떨어졌을 때에는 4억이었습..

Scope of AI¶ AI 명시적이거나(explicitly) 암시적으로(implicitly) 계획(방법)을 통해 어떤 문제를 해결하는 방법의 총칭 Macine Learning (ML) 명시적인 계획이 아니라 암시적인 계획을 통해 문제해결 방식 (예를 들면 Logistic regression) Representation Learning 표현학습은 ML을 통해 학습하는 feature들을 기존보다 조금 더 잘 또는 유연하게 학습할 수 있도록 유도 예를 들어, Logistic regression을 Shallow neural network를 통해 하는 것 크게 대두되는 방식이 아니라 넘어가셔도 좋습니다. Deep Learning (DL) Deep neural network 기존의 ML이 암시적인 방법을 통해 문..