
Logistic Regression의 Cost 함수 cost function for linear and cf for logistic Hypothesis가 Linear한 형태로 주어지게 되면 그래프가 위와 같은 모양을 띠게 되고, 장점은 어디서 시작하든 간에 최저점에 도달할 수 있다는 것이다. 그런데 hypothesis가 sigmoid function 형태일 경우, 출력되는 값이 항상 0에서 1사이이기 때문에, 이 가설을 이용해 cost function을 그려보면 아래와 같이 울퉁불퉁한 U자형 그래프가 완성된다. 이를 non-convex function 이라고 한다. Unconvex, 출처: https://sebastianraschka.com/faq/docs/logisticregr-neuralnet.htm..

Logistic (regression) classification classification 알고리즘들 중에 정확도가 굉장히 높은 알고리즘 Classification 둘 중 하나, binary한 카테고리 중 하나를 고르는 알고리즘(cf. Regression: 특정 값을 예측하는 것) 예. 페이스북 피드: show or hide 이를 기계적으로 학습하기 위해서는 주로 숫자 0과 1로 인코딩 한다. linear regression 모델이 가진 한계를 먼저 정리하고 가자면. input에 따라 output이 변화하는 정도가 선형적으로 나타나는 이 모델의 경우 특정 input을 입력하는 시점부터 output이 계속 1로만 출력되는, 즉 특정 input을 입력하기 전까지는 output이 계속 0, 그 이후에는 계속..

Cost 를 최소화 하는 방법: Gradient Descent Algorithm Gradient Descent Algorithm을 이용하면 cost 가 가장 작을 때의 w와 b의 값을 찾아낼 수 있다. How it works 1) Start with initial guesses: (0, 0)부터 시작해도 되고 아무 값에서 부터 시작할 수 있다. 2) w와 b의 값을 미세하게 바꿔가면서 최소 값을 찾아나간다. : 항상 최저점(최소값)에 도착할 수 있다는 것이 이 알고리즘의 장점 경사도는 어떻게 구할까? : 미분의 개념을 이용해서 그래프의 경사도를 구할 수 있다. Gradient Descent Algorithm은 cost function이 Convex Function 형태를 띨 때는 항상 최소 값을 찾아낼 ..

Regression 모델 일정량의 데이터 (a training set)을 가지고 학습한 후 특정 값을 입력(input)했을 때 학습한 내용을 토대로 결과 값을 출력(output). Linear Regression : 머신 러닝에서 가장 이해하기 쉬운 알고리즘. Linear 모델의 목표는 학습 데이터들을 관통하는 하나의 직선을 찾아내는 것 — 이 직선을 찾아내기 위해서는 가설을 세우고 H(x) = Wx + b 라는 선형 함수에서 기울기 W와 bias 가 어떤 값을 갖는지 알아내야 한다. 어떤 가설이 더 나을까? 가설이 나타내는 점들 간의 거리를 비교해서 거리가 가까운지, 먼 지를 판단 기준으로 삼는다. Cost Function (or Loss Function) 이렇게 가설과 실제 값 간의 거리를 측정하는 ..
- Total
- Today
- Yesterday
- 반과거
- 파이썬for문
- higherlower게임
- 안젤라유파이썬
- 벡터
- 파이썬반복문
- 아야진
- 프랑스어문법
- 파이썬초급강의
- 파이썬 초급강의
- 파이썬디버거
- 아야진해변
- 파이썬 게임 만들기
- 파이썬안젤라유
- 유데미파이썬강의
- 불어문법
- 복합과거
- 파이썬thonny
- qlearning
- 숫자업다운게임
- 파이썬안젤라유강의
- 파이썬디버깅
- 선형대수
- higher lower game
- 파이썬강의소개
- 파이썬 안젤라유 강의
- 안젤라유강의
- 파이썬전역범위
- 고성
- 큐러닝
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |