Machine Learning
1.[ML] 1편 - 머신러닝 소개와 학습종류
머신러닝 소개 1. AI, Machine Learning, and Deep Learning 머신러닝 얘기를 하기 전에 용어들에 관해 살펴보자. 우리는 살면서 위 세 가지 용어 중 적어도 하나는 들어봤을 것이다. AI, Machine Learning, Deep Le
2.[ML] 2편 - Linear tasks : classification(분류)-1.판별함수 접근법
지난 1편에서 supervised learning과 unsupervised learning이라는 머신러닝 학습 종류가 있다는 것을 배웠다. 연구 분야, 프로젝트에 따라 다르지만 보통 주로 정답 label이 있는 supervised learning, 지도학습을 많이 사용
3.[ML] 3편 - Linear tasks : classification(분류)-2. 생성모델, 식별모델 접근법
2편에 이어 3편에서도 선형 데이터 처리의 일종인 선형 분류(Linear classification)에 대해 알아보려고 한다. 지도학습 머신러닝 모델에서는 linear task를 다룰 때 공통적으로 다음 수식을 가진다고 지난 포스트에서 언급을 했었다. $\\hat{yj
4.[ML] 4편 - Linear tasks : Regression(회귀)-1.최대가능도, 최소제곱법
Regression 지난 포스트에서는 분류(classification)를 다뤘고, 이번에는 Regression이라고 하는 회귀분석에 대해 알아보자. 보통 회귀를 먼저 다루고 분류를 소개하는데, 분류와 회귀를 관통하는 키워드만 잘 알고 있으면 순서는 크게 상관이 없기
5.[ML] 5편 - Linear tasks : Regression(회귀)-2. 편향/분산 trade-off, 정규화 테크닉
(Review) Linear Regression > 이 포스트는 이전 포스트인 4편 회귀-1.최대가능도,최소제곱법과 연관이 깊은 주제이기 때문에 회귀에 대한 전반적인 개념이 없다면 위 링크를 클릭해서 참고해주시기 바랍니다 선형 회귀 개념을 하나의 포스트로 압축하기에
6.[ML] 6편 - Linear tasks : Logistic Regression
Classification and Regression 이번 포스트에서는 분류와 회귀를 아우른다는 점에서 공통점이 있는 Logistic Regression과 Gradient decent algorithm에 관해 공부해보고자 한다. 시작하기에 앞서, 아직 분류와 회귀에 대
7.[ML] 7편 - Regression criteria(회귀 평가지표)와 Gradient Descent algorithm(경사하강법)
Review : Linear regression 약 2~3편에 걸쳐서 linear regression, 즉 선형 회귀에 대해 공부했었다. 간단히 복습을 하자면, 회귀분석은 데이터 분석법 중 하나로, 주어진 데이터 사이에 나타나는 관계를 함수식으로 세워 통계적으로 추론