supervised machine learning4 [Courasera] Advanced Learning Algorithms - Neural Networks : 머신러닝 특화과정 본 게시물은 Courasera Andrew Ng 교수님의 머신러닝 특화 과정 Supervised Machine Learning : Advanced Learning Algorithms 을 summary 한 것입니다. 신경망은 뇌가 학습하는 방식과 거의 관련이 없지만 뇌를 모방하는 소프트웨어를 구축하려는 초기 동기가 있었다. 뇌는 전기 자극을 보내고 때로는 다른 뉴런의 새로운 연결을 형성한다. 이와 같은 뉴런에는 다른 뉴런으로부터 전기 자극을 받는 많은 입력이 있다. 따라서 위 그림과 같이 인공 신경망은 생물학적 뉴런이 하는 일에 대한 매우 단순화된 수학적 모델을 사용한다. 신경망에서 입력 값이 있는 첫 번째 계층을 input 계층이라고 하고 출력 값이 있는 마지막 계층을 output 계층이라고 하며 그 사.. 2023. 3. 20. [Courasera] [3week] Classification : 머신러닝 특화과정 본 게시물은 Courasera Andrew Ng 교수님의 머신러닝 특화 과정 Supervised Machine Learning : Regression and Classification 3week 을 summary 한 것입니다. linear regression을 사용하면 예측 결과가 음수이거나 1보다 큰 숫자가 될 수 있다. 그러나 이진 분류 문제에서는 predict가 0 또는 1이어야 한다. 따라서 이진분류에서는 로지스틱 회귀를 사용힌다. Logistic Regression은 0과 1을 출력 하는 함수로 표현된다. 그림에서와 같이 g(x)는 0과 1 사이의 값을 나타내는 시그모이드 함수로 표현할 수 있다. 따라서 sigmoid 함수는 입력 값 x와 매개변수 w 및 b에 대해 y가 1일 확률을 나타낸다고 .. 2023. 2. 6. [Courasera] [2week] Regression with multiple input variables : 머신러닝 특화과정 본 게시물은 Courasera Andrew Ng 교수님의 머신러닝 특화 과정 Supervised Machine Learning : Regression and Classification 2week 을 summary 한 것입니다. Multiple features 은 테이블과 같이 X1,X2,X3,X4 와 같은 여러 변수의 입력이다. 따라서 그림과 같이 수식을 표현할 수 있으며 벡터를 사용하여 식을 단축할 수 있다. 다중선형회귀에 대한 경사하강법은, n개의 feature 의 경우 각각의 가중치를 갱신할 수 있다. 경사하강법을 사용할 때 변수의 feature가 유사한 범위로 변환하면 더 빠른 수렴이 가능하다. 좋은 모델은 (0.1)과 같이 상대적으로 작은 매개변수 값을 선택하는 방법을 학습한다. 스케일링을 통한.. 2023. 2. 6. [Courasera] [1week] Introduction to Machine Learning : 머신러닝 특화과정 본 게시물은 Courasera Andrew Ng 교수님의 머신러닝 특화 과정 Supervised Machine Learning : Regression and Classification 1week 을 summary 한 것입니다. Ⅰ : Introduction to Machine Learning 머신러닝은 컴퓨터가 명시적으로 프로그래밍 되지 않고 학습할 수 있는 능력을 제공하는 연구 분야로 정의 할 수 있습니다.. 이에 따라 머신러닝의 목적은 기계가 어떠한 일들을 스스로 배움으로써 해결하는 것입니다. 머신러닝은 다양한 학습알고리즘이 있는데, 주요 알고리즘으로 지도학습, 비지도 학습이 있습니다. 감독된 학습은 출력 매핑에 대한 입력을 학습하는 알고리즘을 의미합니다. 주어진 입력 x에 대한 정답 y가 제공되며,.. 2022. 12. 20. 이전 1 다음
