신경망 네트워크
로지스틱 회귀는 이진 분류를 위한 알고리즘
이미지를 저장할 때 컴퓨터는 각각 빨간색, 녹색, 파란색 RGB 채널에 대응하는 세 개로 분리된 행렬을 사용함
이미지 (64, 64) 픽셀이라면
이 픽셀들의 채도 값을 feature vector로 바꾸기 위해 ⇒ x라는 input 1차원 행렬에 길게 늘어트릴 수 있음
전체 차원은 64x64x3 (3개의 행렬 안에 있는 모든 값들의 수) = (12288, )
the dimension of the input feature x = nx 입력 특징 벡터의 차원
nx를 축약해서 n이라고 쓰기도 함
로지스틱 회귀의 목적은 이 feature vector x가 나타내는 이미지의 라벨이 0,1인지 예측하는 것
(x, y) → 하나의 학습 표본
모든 학습 표본을 더욱 간결하게 표현하기 위해
X 행렬 - 학습 세트 입력값들 x(1), x(2)...x(m)을 가져와서 세로줄로 쌓은 행렬
세로 갯수는 m개, 가로 (각 행렬의 크기) 크기는 nx개인 행렬 완성
X = (nx, m) 차원을 가진 행렬 X.shape
Y 행렬 - 출력값들 y(1), y(2), ... y(m)을 가져와서 한 줄로 늘여트린 행렬
Y = (1,m) 차원을 가진 행렬 Y.shape
Given X, want
(0 ≤ y ≤ 1)
매개변수 parameter 가중치 w (nx차원 벡터), 실수인 편의 b (얘도 nx차원 벡터)
→ 값이 1보다 클 수 있으므로 시그모이드 함수를 적용한다
σ(z)라고 했을때, z 값이 매우 큰 경우 y값은 1과 매우 가까운 값
따라서 로지스틱 회귀에서는 Y = 1이 되는 확률인 를 잘 추정한 w, b값을 구하는 것