[👻 AI 공부 일기] AI의 목적, Linear Regression, Gradient Descent

• AI의 목적이 뭔가?
  • 기존 Input 값과 Output 값을 가지고 새로운 Input 값의 Output을 예측하는 것
  • 과거 데이터 (Input → Ouput)을 학습해서 새로운 Input이 들어왔을 때 Output을 예측하는 것이 AI의 목적이다.
  • 새로운 입력의 출력 예측

• Linear Regression이 뭔지? (선형 회귀)
  • 선형 회귀는 입력 변수(x)와 출력 변수(y)의 관계를 직선 하나로 표현하고자 하는 모델이다.
  • 즉, x가 변하면 y가 어떻게 변하는가?를 직선 방정식으로 만들어서 예측하는 것이다.
  • 이때 오차(Error)를 최소화하는 직선을 찾는 것이 목표이다.
    • 분포된 Input 값과 선형을 비교해 에러값이 적은 범위를 예측하는 것?
  • 직선으로 관계 설명하고 예측
• Gradient Descent란 (경사 하강법)
  • Linear Regression에서 가장 E가 적은 값을 찾는 방법?
  • MSE 의 값을 최조화 하기 위해 사용하는 방법
  • 비탈길 내려가듯 최소값을 찾아가는 것
  • 최적의 직선(w,b) 찾는 방법
• 행렬 ⇒ tensor !!!
  • 텐서는 확장된 행렬 (다차원 배열)을 말한다.
  • 딥러닝에서는 대부분의 데이터를 텐서로 다룬다.
  • 다차원 데이터 표현 방식
• 에폭 (Epoch)
  • 전체 데이터셋에 대해서 학습한 횟수
  • 전체 데이터셋을 한번 전부 모델에 학습시키는 것을 1 에폭이라고 함
  • 데이터가 1,000개라면 모델이 데이터 전체를 다 보고 학습했을 때 1 Epoch이라고 함
• 배치 사이즈
  • 전체 데이터를 얼마나 쪼개서 학습했는지
• 반복 (Iteraion)
  • 쪼갠 데이터의 반복 회수? (그룹 사이즈?)

사진 출처 - http://youtube.com/watch?v=erfeZg27B7A