딥러닝 1단계

신경망과 딥러닝

1. 이진 분류

고양이 사진을 주었을 때 y = 1(cat)/0(non cat)으로 이진분류
이미지는 RGB 세 행렬을 합쳐서 나타내고
세 행렬을 하나의 벡터 x로 만들어 n_x개의 원소로 된 (n_x,1)행렬화

각각의 x,y가 훈련 데이터 -> m 쌍의 훈련 데이터

X = (n_x,m) 행렬
Y = (1,m) 행렬

2. 로지스틱 회귀

이진분류에서 사용되는 회귀방법
답이 0,1로 이루어짐
x가 주어지면 y예측값은 1일지에 대한 확률

• 즉 0과 1사이
  선형 회귀 시 y예측값 = w^TX + b
  이지만 0과 1사이에 들어오게 하기 위해 시그모이드 함수 사용
  시그모이드(w^TX + b) 모양으로

sigma(z) = 1/1+e^-z

• z가 커지면 1에 가까워진다.

파라미터 w,b를 학습

3. 로지스틱 회귀의 비용함수
   학습을 위한 비용함수 정의

하나의 입력에 대한 오차를 계산하는 함수를 손실 함수라고 하며, 모든 입력에 대한 오차를 계산하는 함수는 비용 함수라고 합니다.

비용 함수는 모든 입력에 대해 계산한 손실 함수의 평균 값으로 구할 수 있으며 식으로 나타내면 다음과 같습니다.

4. 경사하강법
   

5. 미적분과 도함수
6. 미분 예제

생략

7. 계산 그래프

8. 로지스틱 회귀의 경사 하강법
   

9. m개 데이터에 대한 경사하강법