본문 바로가기

분류 전체보기89

4. 경사하강법 Gradient Descent - 가장 일반적인 최적화 알고리즘 중에 하나 - 함수의 최소값을 찾기 위한 방법 - 현재 위치에서의 기울기 (gradient)를 구하고, 그 기울기가 가리키는 방향으로 이동하여 함수의 최소값을 찾음 1) 초기값 설정 : 가중치(weight)나 편향(bias)과 같은 모델의 매개변수를 초기값으로 설정 2) 기울기 계산 : 초기값으로 설정된 매개변수에서의 함수의 기울기(gradient) 계산 / 기울기 방향, 크기 알수 있음 3) 매개변수 업데이트 : 함수의 기울기 방향으로 매개변수를 업데이트 / 학습률(learning rate)라는 하이퍼 파리미터에 따라 업데이트 양이 결정된다 4) 종료조건 확인 : 일정한 반복 횟수나, 기울기의 크기가 충분히 작아졌을 때, 최적화 종료 5).. 2023. 3. 18.
3. 선형 회귀 Linear Regression => 입력변수와 출력변수 간의 선형관계를 모델링하는 지도 학습 알고리즘 입력변수 x와 출력변수 y간의 선형 관계를 모델링한다. ex) y = w0 + w1 * x1 + w2 * x2 + ... + wn * xn w0, w1, w2, ... wn : 모델의 가중치(weight) => 학습 데이터를 통해 추정 오차 제곱합(SSE: Sum of Squared Errors)을 최소화하는 가중치를 찾는 최소제곱법(Least Squares Method)를 사용한다 일부의 경우, 경사 하강법(Gradient Descent) 나 정규 방정식 (Normal Equation)를 사용한다 장점 - 모델이 매우 단순하며, 이해하기 쉽다 - 모델의 결과를 해석하기 쉽다 - 입력변수와 출력변수 간.. 2023. 3. 18.
2. 딥러닝을 위한 도구 matplotlib 라이브러리 => 여러가지 그래프를 그려주는 함수들이 들어있는 라이브러리 import matplotlib.pyplot as plt Ex) import matplotlib.pyplot as plt years = [1950, 1960, 1970, 1980, 1990 , 2000, 2010] gdp = [67, 80, 257, 1686, 6505, 11865, 22105] plt.plot(years, gdp) => 선 그래프를 그린다 (x축 : years, y축 : gdp) plt.title(' GDP per capita') => 제목을 설정한다 plt.ylabel('dollars') => y축에 레이블 달기 plt.xlabel('year') => x축에 레이블 달기 plt.savefig('.. 2023. 3. 18.
1. 딥러닝을 위한 도구 언어 : Python 1) 리스트 : 데이터들을 잘 관리하기 위해서 묶어서 관리할 수 있는 자료형 중 하나 리스트변수이름 = [요소1, 요소2, ... ] ex) a = [1,2,3,4,5] b = ['blockdmask',2,4,'blog'] c = [] 리스트 내부의 값의 형태는 스트링이 오든, 숫자가 오든 통일되지 않아도 된다 list() 를 이용하는 방법 d = list() : 비어있는 리스트 생성 - 덧셈 연산자 + a = ["BlockDMask", 333] b = [1,2,3] print(a+b) => ['BlockDMask', 333, 1, 2, 3] - 곱셈연산자 * : 리스트를 반복한다 a = [1,2,3] b = a * 3 print(b) => [1,2,3,1,2,3,1,2,3] c =.. 2023. 3. 17.
728x90

티스토리툴바