deep-learning

텐서플로우 placeholder란, 처음에 변수를 선언할 때 값을 바로 주는 것이 아니라, 나중에 값을 던져주는 공간을 만들어주는 것이다. 아래의 소스 코드를 보면 쉽게 이해할 수 있을 것이다. ` 이렇게 하면, a에 1, 3을 넣고, b에 2, 5를 넣은 것이 된다

linear regression에서 input이 1개 있을 때 hypothesis는 간단하게로 쓰고, cost function을 구하고 줄이는 계산을 할 수 있다.그렇다고 해서, input이 여러 개 있을 때 복잡하다는 것은 아니다. 그 만큼의 변수만 추가해주면 된다.

logistic classification 알고리즘은 classification 알고리즘 중에서도 정확도가 높은 축에 속한다. 그래서, 꽤 중요하다.linear regression은 원하는 범위를 벗어나는 값을 줄 수도 있다. 예를 들어서, 0 또는 1의 값을 예측하고

multinomial classification은 분류해야 하는 클래스가 여러개일 때 하는 것이다. 분류를 할 때, 독립적으로 예측하고 matrix에 값을 담는다. 그렇게 계산을 하면, prediction 값이 행렬로 나올 것이다. 이것을 0~1 사이의 확률로 바꾸어주