Content 01~05

01 and 02: Introduction, Regression Analysis, and Gradient Descent

머신러닝이란?

• Arthur Samuel(1959) : "컴퓨터에게 명확하게 프로그램시키지 않아도 학습할 수 있는 능력을 주는 연구분야 이다."
• Learning algorithms의 종류
  • Supervised Learning -> 컴퓨터에게 정답을 알려주어 학습시키는 방법
    • ex) input으로 개(dog) 사진을 주고, 이 사진은 개(dog)라고 label된 데이터를 주어 학습
    • 분류(classification),회귀(regression) 로 나뉜다
  • Unsupervised Learning -> 컴퓨터에게 정답을 알려주지 않고 학습시키는 방법
    • ex) input으로 여러 동물 사진을 주고, 각 input등에 대한 특징을 찾아 분류
    • 다리가 4개인동물, 꼬리가 달린 동물, 수염이 있는동물 등으로 분류

Supervised Learning- 개요

• 집의 가격을 예측하는 문제 : "주어진 데이터로 친구가 750 square feet size의 집은 가격을 얼마로 예상할 수 있는가?"

  

• 직선을 그려 해당하는 가격을 예측하는 방법을 사용할 수 있다

• 대락 $150으로 예측이 가능하다

  회귀분석(Regression)

  • 회귀분석은 연속적인 값을 갖는 결과 값을 예측하는 것
  • 입력값에 대응하는 결과값을 분석하여서 연속적인 함수를 찾는 과정

  분류(Classification)

  

  • 위의 그래프에서 종양의 크기에 따라 0아니면 1로 분류되어 있다
  • 입력값에 대응하는 결과값을 분석하여서 이산적인(Discrete) 값을 찾는 것이다
  • 꼭 0과 1이 아니더라도 이산적인 값으로 분류되면 모두 분류(Classification) 문제이다

Unsupervised learning - introduction

• 지도학습 과는 다르게 정답이 주어지지 않는다
• Input 에 대한 output의 label이 존재하지 않을 때, Data Set을 Cluster하는 학습이다
• ex) Cocktail party problem

Linear RegressionNotation

• Training Set : 훈련에 필요한 데이터 집합
• m : training examples 의 개수
• x's : 입력 값 variables / features
• y's : 출력 값 variables / "target " variables

  • (x,y) - 단일 training 예제

  • (x,y) - i번째 training 예제

    i

    i