임시저장

강의 첫날 - 오전

Y = (a + bx)/z 1차 방정식

남자의 경우만 고려

사람1 (65kg, 165cm)

사람2 (80kg, 190cm)

사람3 (90kg, 160cm)

x : 각 개인의 몸무게 (65kg, 80kg, 90kg)

y : 각 x의 적정 키 (175cm, 180cm, ...)

예측 : 비만/정상/저체중

Y 가 1.2보다 크면 비만

Y 가 0.8보다 크고 1.2보다 작으면 정상

Y 가 0.8보다 작으면 저체중

Y = (20 + 2 * 몸무게) / 키

Neural networks :

Convolutional Neural Network(CNN) : 사진

Recurrent Neural Network (RNN): 시간에 따라 변하는 데이터에 사용

Supervisor(교사 학습) : 정답을 알려줌

-

UnSupervisor(비교사 학습) : 정답을 안 알려줌.

- 단어를 분류해 (어머니, 아버지...)

- 구글의 뉴스 기사를 5개로 나눠!

Hypothesis and cost Function

키가 170cm인 사람의 적당한 체중을 찾는 Hypothesis를 구해보자

예를 들어 Y = (a + bx)/z 라는 식이 성립한다면 (단, x= 몸무게, z=키) Y는 1.0이어야 정상적인 몸무게에대한 키라고 가정한다.

그럼 해당 공식을 이용하여 Hypothesis를 구해야되는데

1 = (a + bx)/z

z = a + bx

z - a = bx

(z - a)b = x 라는 Hypothesis 식이 구해진다.

이 식을 이용하여 cost를 구하면, cost(W,b) = 1/m((z-a)b - y )^2 가 된다. 이 cost를 0에 가깝게 만드는게 우리가 원하는 답이 된다. 이 때, 우리가 찾을려는 a 값과, B값을 제대로 찾기 위해, 많은 양의 데이터 샘플을 이용하여 프로그램을 돌리면 적절한 a,b값을 찾을 수 있다.