아무거나

[Hypothesis and Cost]* 가설의 값과 실제 값의 차이를 제곱한 다음에 이것들을 총 더하고 이것을 m으로 나누면 된다. 즉, W와 b의 값을 우리가 가지고 있는 데이터를 통해서 구해보자는 것이 Linear Regression의 목표이다. [ Simplified hypothesis : 쉬운 설명을 위해서 간단하게 hypothesis를 만들었다. ] 이제 cost를 minimize 하려고 하는데 그렇게 하기 위해서는 cost라는 함수를 한번 확인해보자.하기 이미지에 표와 같은 데이터를 갖고 있다고 하자. 그리고 W에 값이 주어지면 cost(W)를 구해보자. W=2일 때도 값을 구하면 4.6667로 나온다. 즉, 계속 값을 구하다 보면 cost(W, b)는 W가 1로 갈수록 0으로 수렴, 양쪽으..

Linear Regression란 Linear는 직선, Regression은 회귀 즉, 단어의 뜻을 그대로 이해하면 이름 그대로 이해하면 된다. 예를 들어 기계가 학습을 하기 위해선 하기와 같은 데이터가 필요하다. x(hours) y (score) 10 90 9 80 3 50 2 30 여기서 우리가 최종적으로 원하는 목표는 score이다 이와 같은 데이터는 score의 값이 다양하다. ( ex: 0 ~ 100 점대로 다양함) 이러한 것들은 영역이 넓기 때문에 이런 유형의 예측을 하는 것을 supervised 중에 regression이라고 한다. 만약, 위 데이터를 regression 모델에 학습을 시키고 나서, x로 8을 regression 모델에 입력하면 70 정도의 값이 출력 될 것이다. 이러한 과정..

머신 러닝 ML(Machine Learning)이란? 쉽게 말하면 어떤 로직을 가지고 프로그래밍을 하려면 그에 따른 조건들이 무수히 많을 경우가 있다. 그래서 어떤 자료에서 또는 어떤 현상에서 프로그램이 알아서 학습하게 만들자는 생각에 나오게 된 것이 머신 러닝이다.즉, 프로그램 자체가 어떤 데이터를 보고 학습해서 뭔가 배우는 영역을 갖는 프로그램을 머신러닝이라 한다. 머신 러닝은 학습하는 방식에 따라서 Supervised / Unsupervised 2가지로 구분된다.1. Supervised Learning (지도학습) 어떤 하나의 정해져 있는 데이터를 가지고 학습을 하는 것 ex) 만약 어떤 이미지가 주어지면 그 이미지가 고양이일까 개일까 이런 것을 알아보는 프로그램은 머신 러닝으로 만들어졌다. 이와 ..