AI37 [ Chapter.02 ] 퍼셉트론 01. 퍼셉트론이란? 퍼셉트론은 다수의 신호를 입력으로 받아 하나의 신호를 출력합니다. 퍼셉트론 신호는 흐른다 / 안흐른다 두 가지 값을 가질 수 있습니다. 가중치란? 각 신호가 결과에 주는 영향력을 조절하는 요소입니다. 신호의 영향력을 제어합니다. 가중치가 클수록, 해당 신호가 중요하다는것을 의미합니다. 편향이란? 뉴런이 얼마나 쉽게 활성화 (결과로 1을 출력) 하느냐를 조정하는 매개변수 입니다. b = -1.0 이면 입력신호가중치의 합 > 0.1 이면 뉴런이 활성화합니다. b = -20.0 이면 입력신호가중치의 합 < 20.0 이면 뉴런이 활성화하지 않습니다. 편향의 입력신호는 항상 1 입니다. 아래 그림을 살펴보겠습니다. 원을 뉴런 or 노드 라고 부릅니다. 현재 2개의 입력신호가 있습니다. 퍼셉트.. 2022. 6. 28. 05. Logistic Regression Classification review Linear Regression의 Hypothesis, Cost, Gradient decent 입니다. [ Logistic Regression Classification ] Logistic Regression Classification은 classification 알고리즘 중에서 굉장히 정확도가 높은 알고리즘입니다. 상황을 몇 시간 동안 공부하면 합격한다/ 떨어진다 두 가지 결과를 가지고 예측해보겠습니다. 즉 0, 1을 예측하는 binary classification 모델입니다. [ Logistic Hypothesis ] 결과 값을 0 ~ 1 사이로 압축시켜주는 함수가 있었으면 좋겠다고 생각하였고, sigmoid 함수를 발견했습니다. 아래 그래프는 가로가 z값이고, 세로는 g(z) 입니다. .. 2022. 6. 15. 03. Multivariable Linear Regression review Linear Regression을 설계하기 위해 총 3가지가 필요합니다. 1. Hypethesis 우리가 어떻게 예측할 것인지 즉 가설이 무엇인지에 대해 알아야 합니다. 2. Cost Function 실제 데이터와 가설의 차이를 확인할 수 있습니다. 즉 잘 예측했는지 못했는지에 대해 알아야 합니다. 3. Gradient Descent Algorithm cost를 최적화하는 algorithm 입니다. 지금까지는 data의 input이 한 개인 경우를 공부했습니다. 이제는 input 값이 한 개가 아닌 여러 개인 경우를 살펴보겠습니다. [ Hypothesis ] 기존 input이 한 개 일 때 가설은 다음과 같습니다. input이 다양할 경우 학습해야 할 값이 많아진 것을 확인할 수 있습니다. .. 2022. 6. 15. 02. Linear Regression 의 Hypothesis와 cost 설명 Regression 예측 값을 직선으로 표현하는 모델입니다. Regression model을 학습한다는 것은 하나의 가설을 세울 필요가 있습니다. " Linear 한 model이 우리의 data에 맞을 것이다 " 라는 가설입니다. (Linear) Hypothesis H(x) = Wx + b 위와 같이 가설을 세워줍니다. 해당 가설은 W, b의 값에 따라 여러 개의 직선으로 표현될 수 있습니다. 어떤 선이 나에게 가장 잘 맞는 선일까?? 이것을 확인하기 위해서는 실제 data와 직선(가설로 인해 생성된 data) 의 거리를 측정합니다. 이때 거리가 멀면 안좋고, 거리가 짧으면 좋은 것입니다. Cost Function 점(data)과 직선(가설)의 거리를 측정하는 것을 cost function 이라고 합니다.. 2022. 6. 15. 이전 1 ··· 5 6 7 8 9 10 다음
