jun1-cs 님의 블로그

기계학습 -> 비결정론적 수치(nondeterministic value) 를 다루는 데에 있어서 확률론을 적극적으로 활용한다.1. 확률 -> 처음에 제안되었을 때에는 빈도를 분석하기 위한 도구였다.1) 빈도론적 확률(frequentist probability) -> 시행 반복 시 사건이 일어나는 빈도와 관련된 확률2) 베이즈 확률(bayesian probability) -> 확실한 정도를 수치화하는 데 관련된 확률--> 베이즈 확률을 빈도론적 확률과 같은 방식으로 취급할 수도 있다(예: 환자가 독감에 걸릴 확률을 inputs->output, 여러 환자들을 봤을 때의 빈도라고 볼 수도 있다. 2. 확률변수(random variable): 여러 값을 무작위하게 가질 수 있는 변수 (연속형/이산형)연속확률변수..

1. 손실함수, Cost function손실=cost,loss,error Ex) 문자 2 사진을 받았을 때 이를 벡터로 변환하고 분석해, 무슨 숫자인지 맞춘다.x벡터에 대해 세타 벡터(L개의 레이어에 대한 weight와 bias들)를 곱한다-> output벡터 y hat이 나온다. y hat을 라벨링된 데이터의 y값, 정답 값과 비교(y값을 one-hot-coding을 이용해 대응되는 target 벡터로 변환)해 파라미터 세트인 세타를 평가한다. -> 평가방법1) MSE(mean squared error) 사용해 output과 target을 비교한다. (y1 hat - y1)^2 값의 평균이 최소가 될수록 output이 잘 나온 것이다. 2)Total Costy1, y1 hat 사이의 차이가 최소가..