윤구의 이것저것 프로그래밍 블로그

로지스틱 회귀(Logistic Regression) 이번 포스팅에서는 둘 중에 하나 (TRUE/FALSE) 이항 분류의 문제를 정의하고 있는 로지스틱 회귀에 대하여 알아 볼 것이다. ( 다항 분류의 문제는 다음 포스팅에서.. ) 우리는 이전 포스팅인 선형 회귀(Linear Regression)의 방법에서x의 값인 트레이닝 데이터(Training Data)를 입력하여 y의 값인 숫자를 예측하는 것의 모델(즉, 학습시간에 따른 시험 점수와 같은 문제) 에 대하여 알아 보았다. 이와 비슷하게, 로지스틱 회귀(Logistic Regression)는 y의 값이 숫자를 나타내는 것이 아니라 어떤 특정 분류에 속한다는 것의 결과치가 나오게 되는 모델이다. 그 중 이항분류의 문제를 살펴볼 것이다. 예를들어, 독립변수의..

이번에는 cost 비용을 최소화 하기 위한 최적화 알고리즘 경사 하강법(Gradient Descent) 에 대해서 간략하게 알아보겠다.먼저 최적화에 대한 개념을 잠깐 짚고 넘어가 보자.최적화란, 여러 가지 허용되는 값들 중에서 주어진 기준을 가장 잘 만족하는 것을 선택하는 것 을 의미한다.그 최적화의 종류에는 대표적으로 유전 알고리즘인 조합 최적화 그리고 경사 하강법인 함수 최적화 방법이 있다.그 중 우리는 함수 최적화 방법인 경사 하강법 알고리즘을 활용하여 비용함수(Cost Function)를 최소로 만드는 것이 목적이었다. (다른말로, 에너지 함수라고 했던가..) 경사 하강법(Gradient Descent)해당 함수의 최소값 위치를 찾기 위해 비용 함수(Cost Function)의 그레디언트 반대 방..

이전 포스팅에서 머신러닝의 개념 중 지도학습(Supervised Learning) 에 대하여 포스팅 하였다. 그 중 머신러닝에서의 선형 회귀(Linear Regression)을 활용한 모델이 있는데 이에 대해 알아보자! 회귀 분석(Regression Analysis) 먼저 회귀 분석에 대해서 간단히 짚고 넘어가자.회귀의 사전적인 의미는 "다시 예전의 상태로 돌아감" 을 의미한다. 이 용어는 영국의 유전학자 Francis Galton 이라는 분이 유전의 법칙을 연구하다 나온 것에 기인하게 되는데 대략적인 연구내용을 살펴보자면 부모와 자녀의 키 사이의 관계를 연구하면서 나오게 된 연구의 결과로 자녀의 키가 아버지 그리고 어머니 키의 평균을 조사하여 표로 나타낸 결과 결국 자녀의 키는 엄청 크거나 작은 것이 ..

이 글을 포스팅 하기에 앞서 텐서플로우의 기본적인 개념이나 아키텍쳐 등과 기본 자료형에 대하여 먼저 포스팅 하였다. 어찌되었건 텐서플로우는 구글에서 제공하는 머신러닝의 라이브러리이고 이를 활용하려면 어쨌든 머신러닝의 개념을 알아야 한다. 지금부터 인공지능의 한 분야인 기계학습을 파헤쳐 보자! 기계학습(Machine Learning)이란 무엇인가? 우리는 프로그래밍 언어를 배우면서 자연스럽게 함수의 파트를 지나가게 된다. 함수는 어떤 파라미터 즉, 입력(Input) 값을 전달하면 출력(Output) 값을 제공하는 것이며 반드시 끝나게 되어있다. 라고 배웠을 것이다. 머신러닝도 이와 마찬가지다 그런데 일반적인 함수보다는 조금 더 복잡한 함수라고 생각하면 될 것이다. 두 가지 예를 들어보자. 첫째로, 이메일 ..