공대생 도전 일지

ANN은 처음 들어보는 단어네요 차원을 flatten시킬 수 있다. 사진 -> 1D 영상 -> 2D = 사진 + 시간 비디오 -> 3D = 사진 + 시간 + 소리 hyperparameter == 경험적! 뉴럴넷의 시각화를 볼 수 있다.

이전에 CNN에서 Convolution이라는 것을 활용했죠 항상 말하는 기계학습은 인간이 특징 추출을 해줘야 한다! 기계학습을 직접 해본적은 없어서 ..... 딥러닝은 깊은 뉴런 구조로 다 풀겠다. 일종의 scanning이다. 이미지 사이즈도 점점 줄일 수 있다. 커널이 커질수록 feature map이 점점 작아진다. Stride가 없어졌네요...?

1. 다음 문장의 빈칸에 들어갈 가장 적절한 단어를 고르시오. “특징 값이 2개인 경우 선형 회귀는 _____에 피팅되며, 예측 함수는 _____ 공간에서 표현될 수 있다.” 하나를 선택하세요. 직선, 2차원 직선, 3차원 평면, 2차원 평면, 3차원 특징 값이 2개면 bias까지 합쳐서 3평면에 3차원이다! 정답은 "평면, 3차원"입니다. 설명: 특징 값이 2개인 경우, 선형 회귀 모델은 두 개의 독립 변수를 기반으로 하므로, 이를 그래픽으로 표현할 때는 3차원 공간에서의 평면으로 나타납니다. 두 독립 변수(x축과 y축)와 종속 변수(z축) 사이의 관계를 3차원 공간에서 평면으로 표현할 수 있습니다. 따라서 예측 함수는 3차원 공간에서 평면으로 표현됩니다. 특징 값이 2개인 경우 선형 회귀는 평면에 피..

정규 방정식! 데이터 개수 - m 특징 개수 -n 정규 방정식 - Normal Equation X의 역함수는 구하기 힘들다. 행과 열의 크기가 같지 않기 때문.. 그래서 오차를 최소화 하는 방식으로 진행한다. 반복적으로 구하지 않아도 된다! 손으로 하기 너무 복잡하니 툴을 활용하자 이제 새로운 값이 들어와도 예측할 수 있다. 딥러닝도 저럴 수 있다면.... 역시 계산량에서 차이가 있었습니다. 역행렬이 없다면 이 방식을 사용할 수 없다. 언제 안될까?

새로운 특징 값? 이 3 개를 곱하면 부피가 나온다. 이런 방식인 줄은 몰랐네요 ㄷㄷ.. 필요 없는 특징을 찾기! 다항식을 활용할 수 있다. 복잡하고 비선형성을 가질 수 있다. 이렇게 되면 스케일링이 매우 중요해 진다.!!!! 3제곱이 되기 때문에 차이가 어마무시하게 커진다. 제곱근 말고도 로그를 활용할 수 있다.