JIU's Data blog 🩵

ML에 대한 일반적 정의 Model class를 선택한 후, 학습데이터에 대해 모델이 잘 동작하도록 파라미터를 결정해야 함. 잘 동작하려면 손실함수를 설정해야 한다. 여기서 손실함수란 모델의 예측값과 정답 값이 틀릴 수록 큰 값을 주는 함수를 말한다. squared loss란 예측값과 정답값이 틀릴 수록 2차의 함수로 패널티 주는 손실 함수를 말하며, 이를 정의할 수 있다. classification이란 이진 분류로 loss를 결정하는 것으로, 맞으면 0, 틀리면 1을 준다. 이렇게 loss funcion을 결정하면 최적화 문제로 결정 가능. 최종적으로 손실을 최소화하는 w, b를 찾고 일반화하는 것이 목표이다. 일반화 사소한 오류에 과하게 적합하게 되면 오버피팅이 남. 일반화가 되지 않는다는 것이다. ..

인공지능의 한 분야. 인공지능에는 기계학습, 컴퓨터 비전, 자언어처리, 로보틱스 등이 포함됨. 데이터로부터 스스로 발전하는 알고리즘을 다루는 학문. 딥러닝은 기계학습 중 신경망 중 layer가 많은 신경망을 쓰는 분야. T = Task : 기계학습으로 무엇을 할 것인지 P = Performance measure : 성능지표대로 평가함. 어떤 성능지표 사용할 것인지. E = Experience -> 데이터를 말함. 어떤 데이터를 사용할 것인지. 기계학습의 가장 중요한 개념과 목표는 일반화. 여러가지를 보고 유사성을 찾아내어 하나의 프로토타입을 만들고 일반화를 함. 추상화 과정. 이것이 더 발전해서 Generative algorithem이 됨. Task에 따라 학습 알고리즘이 달라진다. 그래서 하나의 알고리..