전체 글 (26) 썸네일형 리스트형 내일배움캠프 2022.05.16 TIL 딥러닝의 배경 자연계에는 선형적으로 해결할 수 없는 문제들이 너무 많았다. 그럼 비선형적인 문제를 풀기 위해서는 어떻게 하면 될까 생각해보았다. 선형적인 문제 해결을 반복한다고 해서 그 방법이 비선형적이게 되지는 않았다. 그래서 사람들은 선형적인 문제 해결 사이 사이에 비선형적인 무언가를 넣어주어야 한다고 생각하게 되었다. 그렇게 층(Layer)을 쌓게 되었고 이를 딥러닝으로 부르게 되었다. XOR 문제 OR이나 AND는 그래프에서 직선으로 데이터를 분류할 수 있다. 반면에, XOR의 경우에는 직선으로 개념을 정의할 수 없다. 만약, input이 x1, x2라면 y=w0+w1x1+w2x2라는 직선을 그어 OR문제나 AND문제를 해결할 수 있다고 사람들은 생각하였다. 이를 그림으로 나타내면 다음과 같다. .. 내일배움캠프 2022.05.13 TIL 논리회귀 (Logistic Regression) 선형회귀로 풀기 어려운 문제들이 생기기 시작했다. 모든 문제의 원인과 결과가 직선 형태로 표현되기 힘들어졌다는 것이다. 직선으로 표현할 경우, 정확도가 떨어지는 문제점이 발생하면서 논리회귀라는 개념이 도입되었다. 논리회귀는 직선이 아닌 S자 곡선 형태를 이용하여 분류를 한다. 예를 들어, 시험 전 날 공부한 시간과 그 시험의 통과 여부를 예측하는 문제가 있다고 하자. 입력값은 공부 시간, 출력값은 통과 여부가 될 것이다. 이 문제를 선형회귀로 풀게 된다면 위와 같은 그래프가 그려지게 된다. 빨간 점들이 실제값인데 예측 그래프가 정확하지 않다는 것을 확인할 수 있다. 이를 보완하기 위한 함수의 형태가 아까 말한 S자 곡선 형태의 함수인데, 이를 로지스틱 함수.. 내일배움캠프 2022.05.12 TIL 머신러닝으로 문제를 푸는 방법 머신러닝으로 문제를 풀 때, 푸는 방법을 나눌 수 있는데 결정은 직접 할 수 있다. 결정에 따라 모델의 설계 방법이 달라지게 된다. 어떤 문제는 회귀를 통해 푸는 것이 유리하고 어떤 문제는 분류를 통해 푸는 것이 유리하므로 신중히 결정해야 한다. 모든 문제를 풀기 위해서는 우선 입력값과 출력값이 정의되어야 한다. - 회귀 (Regression) 출력값이 연속적인 문제를 풀 때 대개 회귀를 사용한다. 예를 들어, 나이, 키 등과 같이 연속적인 문제를 예측할 때 사용하게 되는 방법이 회귀이다. - 분류 (Classification) 출력값이 비연속적인 문제를 풀 때 대개 분류를 사용한다. 예를 들어, Pass/Fail, 학점(A, B, C, D, F) 등과 같이 비연속적인 문제.. 이전 1 2 3 4 5 6 ··· 9 다음 목록 더보기
