Logistic Classification의 가설 함수/cost 함수

• Binary Classification
  두가지를 분류하는 것.
  예) 스팸메일인지 정상메일인지 구분, 페이스북 피드 숨기기/보이기(이전에 좋아요한 피드로 학습해서 사용자의 취향에 맞는 피드들만 보여줌), 이전 신용카드 사용내역과 비교해서 패턴이 달라지면 도난당했단 걸 알려줌

• 1 또는 0
  0, 1 encoding을 이용함.
  스팸일땐 1, 정상일 땐 0을 사용하는 방식!

Sigmoid 함수
z가 무한대로 가면 g(z)의 값은 1에 가까워지고, z가 음의 무한대로 가면 g(z)는 0에 수렴한다.
출력값은 항상 0보다 크고 1보다 작음.

로컬 미니멈은 구할 수 있음. 근데 시작점이 다르면 그 로컬 미니멈들이 다 다르기 때문에 최종적인 최솟값에 도달할 수 없다! 이것이 문제점임.

이 함수로 해결 가능!
좌,우 함수를 합치면 경사타고 내려가기가 가능함

y=1인 경우와 y=0인 경우로 cost function이 나뉘는데, 이걸 텐서플로우로 구현하긴 힘듦. 그래서 프로그래밍할 때는 젤 아래에 있는 함수를 이용함.

함수의 기울기를 구하기 위해서 미분! 텐서플로우에는 라이브러리가 있어서 간편함.

참고: https://inf.run/Ndkd