03 머신러닝의 기초를 다집니다 - 수치예측(2) 03-2 경사 하강법으로 학습하는 방법을 알아봅니다 선형 회귀의 목표는 입력 데이터(x)와 타깃 데이터(y)를 통해 기울기(a)와 절편(b)를 찾는 것이었습니다. 즉, 산점도 그래프를 잘 표현하는 직선의 방정식을 찾는 것이 회귀 알고리즘의 목표였습니다. ··· 경사 하강법(gradient descent)이 바로 그 방법 중 하나입니다. 경사 하강법 : 기울기를 사용하여 모델을 조금씩 조정하는 최적화 알고리즘 y' = wx+b w는 기울기이므로, ceteris paribus 하에서 w와 y'의 관계는 아래와 같다. w가 양수일때, (w, y')평면에서 우상향 w가 음수일때, (w, y')평면에서 우하향 따라서, 어떤 경우라하여도 w에 w_rate를 더해준다..

03 머신러닝의 기초를 다집니다 - 수치예측(1) 03-1 선형 회귀에 대해 알아보고 데이터를 준비합니다 선형 회귀(Linear Regression) : Linear 함수의 기울기와 절편을 찾아준다 > 이는 곧 선형(Linear) 함수 그 자체를 찾아준다는 뜻과 같다. 회귀(Regression) : 두 변수 x와 y의 관계(함수) 추론 따라서 선형 회귀란, 입력(x)-타겟(y)으로 이루어진 데이터셋을 통해 그 관계(함수)를 선형으로 도출하는 것이라고 볼 수 있다. from sklearn.datasets import load_diabetes diabetes = load_diabetes() print(diabetes.data.shape, diabetes.target.shape) #(442, 10) (442,..

02 최소한의 도구로 딥러닝을 시작합니다 02-1 구글 코랩을 소개합니다 colab : 구글이 제공하는 주피터 노트북 Ctrl + M,D : 셀 삭제 Shift + Enter : 실행 후 다음 셀 이동 Ctrl + Enter : 실행 Alt + Enter : 실행 후 아래에 새로운 셀 삽입 및 새로운 셀로 이동 Ctrl + M,H : 단축키 설정 Ctrl + Shift + P : 명령 팔레트 02-2 딥러닝을 위한 도구들을 알아봅시다 NumPy NumPy : 파이썬 패키지 2차원 배열 : 행렬 넘파이 array : 아래처럼 numpy.ndarray 타입은 print시 별다른 설정 없이도 행렬을 보기좋게 구현해준다. import numpy as np my_arr = np.array([[10, 20, 30]..

01 딥러닝을 소개합니다 01-1 인공지능을 소개합니다 Artificial Intelligence Strong AI Weak AI 01-2 머신러닝을 소개합니다 기계학습(Machine Learning) 학습(훈련) : 데이터의 규칙을 컴퓨터 스스로 찾아내고 수정하는 과정 규칙 : 수식(모델)에서의 가중치와 절편 모델 : 학습을 통해 만들어진 프로그램(수식) 그 자체. 머신러닝의 수학적 표현. 모델은 새로운 입력에 대한 예측(타겟)을 만들어 낸다. 손실함수 : 타겟값과 예측값의 차이를 계산하는 함수. 최적화 알고리즘 : 손실 함수의 최솟값을 효율적으로 찾는 방법론. 지도학습(supervised learning) : 훈련데이터(입력과 타겟)를 통해 모델을 훈련시키는 과정 > 정형 데이터에 유효 비지도학습(u..