Box World

시작하며 행렬(Matrix) 이 가지는 가장 큰 의미는 아무리 많은 데이터라도 행렬을 이용하면 계산과 표현이 간단해진다는 것입니다. 이번 포스팅에서는 우리가 그동안 배운 선형 회귀(one-variable Logistic Regression) 가 특징(feature)이 하나가 아닌 두개 이상일때(Multiple Features) 어떻게 나타나는지 알아보겠습니다. 다변수 선형 회귀(Multivariable Logistic Regression) 여기 공부한 시간(hours)에 따른 시험 점수(exam score) 를 예측하는 상황을 생각해보겠습니다. 여기서 주목해야할 것은 시험점수라는 결과값 y를 예측하기 위해 공부한 시간 x라는 하나의 feature만 쓰였다는 점입니다. 그래서 위 이미지에서 one-vari..

시작하며 저번 포스팅에서는 경사 하강 알고리즘에 대해 공부했었습니다. 이번 포스팅에서는 다음 포스팅에서 배울 다변수 경사 하강 알고리즘을 공부하기 전 행렬(Matrix) 과 벡터(Vector) 에 대한 기초를 다져보도록 하겠습니다. 행렬(Matrix) 행렬 이란 직사각형 모양의 숫자의 배열입니다. 이때 여러 숫자들을 모아서 한번에 표현했다는 것에 주목해야합니다. 왜냐면 행렬은 다량의 데이터를 한번에 표현할 수 있는 좋은 수단 이기 때문입니다. 여기서 조심해야할 점은 우리가 아는 표(Graph)와 행렬(Matrix)의 차이 를 명확하게 알아야 합니다. 표 는 여러가지 데이터를 효과적으로 시각화하기 위함입니다. 행렬 은 다량의 데이터에 대한 계산을 편리하게 하기 위함입니다. 행렬의 차원(Dimension) ..

시작하며 이번 포스팅에선 비용 함수(Cost Function)의 비용값을 최소화 하는 파라미터 θ를 찾는 경사 하강 알고리즘(Gradient Descent Algorithm) 에 대해 공부해보겠습니다. 경사 하강 알고리즘(Gradient Descent Algorithm) 경사 하강 알고리즘은 비용 함수 J(θ(0),θ(1))를 최소화 하는 θ를 구하는 알고리즘으로 머신러닝에서 굉장히 폭넓게 쓰입니다. 작동원리는 단순합니다. θ에 대해 임의의 초기값 즉 시작점을 잡습니다. 그리고 J가 최소가 될때까지 θ값 갱신을 반복하여 최솟값에 도달했을 때 해당하는 θ를 찾아냅니다. := : 대입 연산자 θ 값을 갱신한다는 의미입니다. 'α 뒤에 곱해져있는 것'은 비용 함수 J의 미분값 입니다. α : learning ..

시작하며 오늘 포스팅에서는 머신러닝의 기본적인 모델과 함께 가설함수(hypothesis) 와 비용함수 (Cost Function) 를 알아보며 다음 포스팅에서 알아볼 경사 하강 알고리즘을 위한 기초를 다져보겠습니다. 머신러닝의 기본적인 모델 위 그래프는 집의 크기(Size) 에 따라 집의 가격(Price) 이 어떻게 형성되는지 보여주는 그래프 입니다. 이제부터 우리는 만약 임의의 집의 크기(Size)가 주어졌을 때 그 집의 가격(Price)이 얼마인지 예측하는 것 을 목표로 삼을 것입니다. 그러기 위해선 우리는 데이터를 대표할 수 있는 적합한 모델을 찾아 Size에 따라 적절한 Price를 제시할 수 있게 해야합니다. 이는 지도학습(Supervised Learning)에서 회귀(Regression) 에 ..

시작하며 머신 러닝은 데이터를 이용하여 컴퓨터를 학습시키는 방법론 을 의미합니다. 결국 컴퓨터를 어떻게 학습시킬 것인가 하는 부분에서 머신러닝의 알고리즘은 - 지도학습(Supervised learning) - 비지도학습(Unsupervised learning) - 강화학습(Reinforcement learning) 으로 나뉩니다. 오늘 포스팅을 통하여 이 세가지 학습의 차이를 알아보고 머신러닝의 기초 개념을 쌓아보고자 합니다. 지도학습(Supervised) 지도학습 이란 데이터에 대한 명시적인 정답 즉 레이블(label) 이 주어진 상태에서 컴퓨터가 학습하는 방식입니다. 위 이미지는 손글씨로 작성된 0부터 9까지의 숫자들입니다. 이 경우 각 데이터의 레이블(정답)은 각 손글씨가 의미하는 숫자가 될 것입니..

시작하며 이번 포스팅에선 우리가 머신러닝을 공부하기에 앞서 인공지능 / 머신러닝 / 딥러닝 이 세가지 용어의 의미 를 알아보고자 합니다. 인공지능? 머신러닝? 딥러닝? 인공지능 > 머신러닝 > 딥러닝 이것이 세 가지의 관계입니다. 왜 이런 것인지 각 용어의 의미를 살피며 알아보겠습니다. 1) 인공지능 흔히 AI 라고 불리는 인공지능은 명확한 정의가 없다 는게 결론입니다. 이는 그만큼 굉장히 용어자체가 많은 개념들을 내포하기 때문이라고 생각됩니다. 처음 인공지능이라는 용어를 사용한 존 매카시 는 "인텔리전트한 기계를 만드는 과학과 공학"이라고 정의 내렸지만 intelligent 라는 개념 자체가 사실 굉장히 애매합니다. 1950년대 존 매카시를 포함한 인공지능 선구자들은 인간의 지능과 유사한 컴퓨터를 제작..