기계학습 개론1

edwith에 올라와있는 문인철 교수님의 인공지능 및 기게학습 개론1을 공부하여 정리한 내용입니다.AI 관련 공부를 하긴 했는데 생각보다 체계와 기초가 모자른 느낌이 많이 들어서 Machine Learning의 기초적인 부분을 자세하게 짚어주는 문인철 교수님의 인공지능

edwith에 올라와있는 문인철 교수님의 인공지능 및 기게학습 개론1을 공부하여 정리한 내용입니다.Rule Based Learning을 사용하기 위해서는 perfect world 라는 가정이 필요하다. \- No observation errors, No inconsi

edwith에 올라와있는 문인철 교수님의 인공지능 및 기게학습 개론1을 공부하여 정리한 내용입니다.현실에서 noise가 있기에 rule based learning을 사용하기 어렵다. 그래서 noise를 다루기 위해 간단한 알고리즘인 Deicision Tree를 알아보자

edwith에 올라와있는 문인철 교수님의 인공지능 및 기게학습 개론1을 공부하여 정리한 내용입니다.지금까지는 우리는 Rule based Learning에 대해서 알아보았다. 이제부터는 통계적 기반의 approach에 대해서 알아보자.이번 수업에서는 다음과 같은 데이터셋

edwith에 올라와있는 문인철 교수님의 인공지능 및 기계학습 개론1을 공부하여 정리한 내용입니다.Information gain이 가장 낮은 것Information gain이 가장 중앙인 것Information gain이 가장 높은 것Information gain이 높

edwith에 올라와있는 문인철 교수님의 인공지능 및 기계학습 개론1을 공부하여 정리한 내용입니다.Supervised Learning로 많이하는 작업들은 Hit or Miss, Ranking, Types, Value prediction이 있다.그 중 Hit or Mis

edwith에 올라와있는 문인철 교수님의 인공지능 및 기계학습 개론1을 공부하여 정리한 내용입니다.Prior의 경우 $k-1$개만 있으면 되지만Class Conditional Density는 $(2^d-1)k$ 개가 필요하다. 이는 지수적으로 증가하기 때문에 필요한 파

다음 설명 중 옳지 않은 것은?① 영역에 해당하는 X에 대해서는 푸른색 y로, ② 영역에 해당하는 X에 대해서는 붉은색 y로 분류하여 예측한다실선 classifier가 점선 classifier보다 Bayes risk가 크다실선 classifier가 점선 classifi