🌱 𝐣𝐣𝐢𝐧𝐠𝐥𝐞 𝐝𝐞𝐕𝐥𝐨𝐠

Autoencoder 의 구조 Input과 output의 값이 같아지도록 학습하는 뉴럴네트워크 Autoencoder 의 유용성과 학습방법 output을 input과 완전히 동일하게 복원하는 뉴럴네트워크는 유용하지 않음 => 오히려 완전히 동일하게 복원되지 않도록 학습시키는 것이 중요함 Autoencoder에 제한조건을 두어 input에 근사하게 복원되도록 학습시킴 이를통해, autoencoder가 데이터의 중요한 속성(property)만 학습하도록 함 전통적으로는 autoencoder를 dimension reduction을 위해 사용 압축된 code는 데이터를 저차원에서 표현한 벡터 PCA의 차원 축소와 유사하나 비선형성을 반영할 수 있어 더 유용할 수 있음 Multilayer Neural Network..

지도 학습 Y(output)가 존재 : dependent variable, response, target, label X(input)가 존재 : independent variable, predictor, feature Regression(회귀) 문제에서는 Y는 연속 값 : 제품 판매량, 야구선수의 연봉 등 Classification(분류) 문제에서는 Y는 단속적인 값 : spam/email, 붓꽃 종류 등 N개의 training data로 학습 기본사항 본적이 없는(학습에 사용하지 않았던) test data의 output을 정확히 예측(prediction) 어떤 input이 output에 어떻게 영향을 미쳤는지 이해하고 분석(inference) 모델을 평가해보고 반복과정을 거쳐 성능을 향상시킴 비지도 학..

비지도 학습(Unsupervised Learning) ? 정답 데이터셋이 없는 데이터를 기반으로 시스템이 스스로 학습할 수 있도록 하는 방법 주로 데이터들의 특징을 기반으로 군집화를 수행 데이터의 차원이 높을수록 데이터에 더 많은 노이즈가 발생하여 군집화에 어려움을 겪음(차원의 저주) k-평균 알고리즘 (k-means) 사전에 정한 k개의 군집으로 주어진 데이터를 분류하는 방법 비지도 학습의 일종으로 레이블이 달려 있지 않은 입력 데이터에 레이블을 달아주는 역할을 수행 각 데이터를 주어진 중심점(Centroid)을 기준으로 가장 가까운 군집에 할당 군집이 형성되면 새롭게 형성된 군집의 중심점(Centroid)을 기준으로 다시 데이터와 중심점 사이의 거리를 측정하여 새로운 군집을 형성 한계 : 구 모양의 ..