1주차
페이지 정보
작성자 Ryangkyung 작성일15-08-03 20:53 조회2,085회 댓글0건본문
1. introduction to ML
인공지능
Data -> Pattern(generalization)-> Prediction
2. Examples of ML problems
숫자, 음성, 글자 인식, image(얼굴, 사물 인식)
Supervised Learning
데이터와 데이터에 대한 답이 주어진 것
Unsupervised Learning
답이 주어지지 않은 것
Data set -> 비슷한 것 끼리 묶기
Reinforcement Learning
3. Classification vs Regression
Classification: 답이 category로 나온다
Regression: real-value(점수, 주가, 가격)
Important Terminology
Input
Hypothesis space: input에서 output으로 mapping할 때
ex) 공부시간(input), 학점(output) f(x)->y
어떤 모양의 function을 고려할 것인가?
2차방정식까지만 고려할 것이다~: 제한을 두는 것
Candidate hypothesis
function 만들 때 고려하는 것(예를 예상 function)
Training data : 가장 좋은 Candidate hypothesis 고르기 위한 data, 어떤 functions이 가장 적합한가
Testing data: 10명 뽑아 놓은 것 new data(unseen data) 얼마나 prediction 잘 하는지
Accuracy / Error: testing data 에서 얼마나 정확히 했는지
4. Regression
Linear Regression: 가장 설명 잘 할 수 있는 일직선 긋는다.(ax + b + y)
Quadratic Model: 제곱까지 고려(ax2 + bx + c = y) 더 정확함
Polynomial
Python: scipy, numpy, matplotlib 와 같은 강력한 패키지를 통해 scientific computing을 쉽게 할 수 있다.
print 뒤에 괄호
raw_input 대신에 input
댓글목록
등록된 댓글이 없습니다.