보호되어 있는 글입니다.

Machine Learning 학습방법 -supervisde Learning(지도학습) -unsupervisde Learning (비지도학습) -semisupervisde Learning (준지도학습) -inforcementLearning(강화학습) supervisde Learning(지도학습) → Regression(회기) → classical Linear Regression (회기중 가장 기본적인 회기기법) 1. Training Data Set [입력값(x), Lable(t)] 2. y = Wx +b 의 loss function을 구하기 위해 w 와 b를 랜덤으로 잡는다 3. loss값이 최적(0)인가요 ? yes면 model 완성 / no라면 w와 b를 갱신해서 다시 반복 learning rate(..

!! Machine Learning 에서 Lineal Rrgression(선형회기) scatter(산점도) : 우리가 가진 data의 분포확인을 위해 점을 찍어 어떻게 분포되어있나 2차원 평면상(x,y축) 보이는 그래프 / data가 많고 복잡할때 점으로 보여 유용하다 지도학습 → model을 만들고 이 model이 어떤값을 예측하는가 -Regression (연속적인 값 예측) 1. training data set 2. Lineal Regraession (선형회기) Learning 3. Model 4. 예측하고자 하는 data 입력 5. 예측결과값 반환 -classification(참 거짓, 합격 불합격 등..) import numpy as np import pandas as pd import matpl..

-미분은 machine learning , deep learning에서 빈번하게 사용되요 !! (빈번히 사용되 기초가 되나 무조건 미분으로만은 아니다) - f(x) = constant(상수) derivative(도함수) = f`(x) = 0 - f(x) = axⁿ derivaive f`(x) = n * axⁿ- ¹ - f(x) = e(x승) derivaive f`(x) = e(x승) - f(x) = e(-x승) derivaive f`(x) = e(-x승) - f(x) = in x (자연로그) derivaive f`(x) = x/1 편미분(partial derivative) :입력변수가 2개 이상인 다변수 함수에서 미분하려는 변수를 제외한 나머지 변수를 상수로 취급하고 해당변수를 미분하는 방법 f(x) =..

f() = 집 미분 분자 = f(끝) - f(시작) 분모 = 끝 - 시작 lim 차이를0으로 보낼때 = 0과 극히 가까운 값 f' = 미분했다 e^(f(x)) > f'(x)e^(f(x) x^(-a) = 1/x^(a) : 분수로 나오면 미분할때 저 꼴로 바꿔서 미분 x 미분하면 x^(0) = 1 이 된다 (그냥 x 생략하면 안댐) ∑(시그마) : 밑에가 시발점, 위에가 끝점 미분 (derivative) [미분함수, 도함수라고도한다] 어떤 함수의 저의역 속 각 점에서 독립변수 값의 변화량과 함수값의 변화량 비율의 극한 혹은 극한집합을 치역으로 가지는 새로운 함수 즉 함수에 있어서 특정 순간의 변화량 -미분 과정 도 미분이라 한다 (differenrication) △x (delta) : 변화량 - x만큼 변화..

AI(인공지능) : 사람의 사고능력을 구현한 시스템 OR 프로그램 - strong AI : 사람과 구분할 수 없을정도로 강력한 AI(영화에나 잇을법한..) AI연산속도 = 사람의 연산속도 100만배 / 때문에 반대도 한다.. - weak AI ; 특정한 영역에서 작업을 수행하는 ai (자율주행, 챗봇 등..) - marchine learning은 ai를 만드는 방법중 하나 기존 programming : explicit programming(명시적 프로그래밍) , Rule based programming marchine learning : - 사진안에 동물이 고양이 인가요? Rule based programming은 data를 만들어진 함수에 넣으면 처리해서 해답을 얻는다 명령 하지 않으면 1번만 수행한다..