본문 바로가기

분류 전체보기24

Neural networks 1(Intuition&model) Coursera의 Machine Learning Specialization강의를 정리한 내용입니다Course 2에서 알아볼 내용은 아래와 같다.Neural networks(신경망)에 대해 알아보고 inference(추론) 또는 prediction(예측)을 수행하는 방법에 대해 살펴본다. neural networks을 훈련하는 방법에 대해 알아볼 것이다.Machine learning 시스템 구축을 위한 실용적인 조언Decision Trees(의사 결정 트리) Neural networks intuition뇌가 어떻게 작동하고 그것이 neural network와 어떤 관련이 있는지 살펴보자Neural networks가 처음 발명되었을 때 원래의 동기는 생물학적 뇌가 학습하고 생각하는 방식을 모방할 수 있는 소.. 2024. 9. 1.
Exam 2&Exam 3 보호되어 있는 글 입니다. 2024. 8. 31.
The Problem of Overfitting Coursera의 Machine Learning Specialization강의를 정리한 내용입니다우리가 이제까지 배운 linear regression과 logistic regression 알고리즘은 많은 머신러닝 문제들에 적용시킬 수 있다.하지만 Overfitting(과적합)이라는 문제에 빠져 알고리즘의 성능이 나빠질 수 있다.이번 게시글에선 Overfitting에 대해 알아보고 underfit이라는 정반대의 문제에 대한 것과, Overfitting의 해결방법인 Regularization(정규화)에 대해서 알아보자.OverfittingOverfitting이란 무엇일까? linear regression에서 사용했던 주택 가격 예측 예제로 돌아가보자. input feature x는 주택 size이고 y는 주.. 2024. 8. 29.
Logistic Regression 2 (Cost Function, Gradient Descent) Coursera의 Machine Learning Specialization강의를 정리한 내용입니다이번글에서는 Logistic Regression의 Cost Function, Gradient Descent에 대해서 알아볼 것이다.Cost function for logistic regression$m$ : training example의 개수. i를 통해 indexing함$n$ : feature의 개수. j를 통해 indexing함logisitc regression은 binary classification 작업이므로 target label y는 0 또는 1 두개의 값만을 취한다.logisitc regression model은 위와 같은 방정식으로 정의될 수 있는데, training set을 사용할 때 적합한.. 2024. 8. 28.
Logistic regression 1 Coursera의 Machine Learning Specialization강의를 정리한 내용입니다.Motivations이번글과 다음글에서는 target value y가 몇가지 가능한 값 중 하나만 가질 수 있는 classification(분류) 문제에 대해서 알아볼 것이다.위의 사진은 classification에 대한 몇가지 예이다.email이 스팸인지 아닌지, 온라인 금융거래가 사기인지 아닌지, 종양이 악성인지 아닌지 등을 구분하는 예시들이다. 이때, 예측하려는 variable은 가능한 두 값 중 하나(yes 또는 no)일 것이며,가능한 output이 두 개 뿐인 이러한 유형의 classification 문제를 binary classification(이진 분류)이라고 한다.'binary'라는단어는 가능.. 2024. 8. 27.
Multiple Linear Regression Coursera의 Machine Learning Specialization강의를 정리한 내용입니다.Multiple features우리가 앞서 배운 Univariate Linear Regression은 single feature x(집의 size)가 있었고, 그 x로 y(집의 price)를 예측했었다.그러나, 침실수, 층수, 주택 연수와 같은 feature가 늘어난다면 가격을 예측하는데 필요한 더 많은 정보를 얻을 수 있을 것이다.이처럼 input feature가 여러 개 있는 유형의 linear regression model을 Multiple Linear Regression(다중 선형회귀)라고 부른다.위의 사진은 Multiple features의 예를 든 사진이다.각 feature를 $x_1, x_2, .. 2024. 8. 18.