인간이 연구한것 : rule-based system 머신러닝은 인풋과 아웃풋이 있고, 함수를 만들어내는 방법이다.

지도학습: 많은 input/output으로 함수 생성 비지도학습: input을 기반으로 그룹화 강화학습: input에 따른 output이 보상이 많은 것을 생성

지도학습 함수 생성 방법

보간

데이터를 100% 신뢰 이미지 축소에 사용

회귀

데이터는 100% 신뢰하지 않음 노이즈있는 데이터가 있을 때 사용

선형회귀(linear regression)

H(x) = wx + b 선이기 때문에 1차함수 x, y라는 데이터가 있기 때문에, w, b를 구하는 것이 목적

Cost 함수

J(w, b) = 1/m * 시그마((H(x) - y) ^2) 하향 곡선모양의 함수가 나온다. J(w, b) 함수와 w 가장 중심이 되는 값을 구하는 것이 목적

용어

learning rate: 이동할 step에 대한 값 train iterations: 알고리즘을 실행할 값 input: x 값들의 집합 label: y 값들의 집합 model: 함수의 형태 optimizer: 최적화 함수 epoch: train iterations을 의미함

activation function

Logistic Regression Z(x) = sigmoid(H(x))

multinomial classification

n개를 하기 위함

softmax

multinomial classification 개선

딥러닝의 이해

뉴런의 형태를 발견해서 같은 형태로 함수를 만들었음 backpropagation

RNN

sequence Data에 적합 w의 결과를 다음 함수에 w를 전달한다. 음성 인식

GAN

비지도 학습

예를 들면 위조 지폐를 판단할 때 사용할 수 있다. 위조 지폐와 진짜 지폐를 input을 하면 위조 지폐를 판단할 수 있다.