'머신러닝(Machine Learning)' 카테고리의 글 목록

'머신러닝(Machine Learning)' 카테고리의 글 목록

본문 바로가기

머신러닝(Machine Learning)

미분법의 다양한 공식들 : 상수, 멱함수, 지수 함수, 로그 함수, 삼각 함수, 기타 아래에서 미분법의 공식과 간단한 예제를 보여 드리겠습니다. 여러분들은 머신러닝 코딩을 위해 개념만 잡는 것이기 때문에 외우지 마시고 이런 게 있구나라는 생각만 하시면 됩니다. 1. 상수 미분법 미분은 기울기(가속도)를 계산하는 것이라고 저번 강의에서 배웠습니다. 이때, 상수 같은 경우는 일정한 값을 가지기 때문에 기울기가 0이죠. 따라서, 상수는 미분 시 무조건 0이 됩니다. 2. 멱함수(Power) 미분법 멱함수는 지수 n을 고정으로 하고 밑을 변수로 사용하는 함수 입니다. 이때, 멱함수를 미분하면 아래와 같은 수식으로 표현할 수 있습니다. 지수는 변수 x 앞으로 내려오고 -1을 해주면 끝입니다. 멱함수의 예제를 살펴 보겠습니다. 변수 x의 제곱은 예제 1과 같이 간단히 계산됩니다. 변수 x의 -1 승.. 더보기

미적분학(머신러닝) : 평균 변화율과 순간 변화율, 미분 계수, 도함수 머신러닝에서 순간적 또는 평균적으로 변화하는 변수의 변화량을 알기 위해서는 미적분학 학습이 필수적으로 필요합니다. 간략한 개념과 방법 등을 설명하겠으니 천천히 읽으시고 개념만 잡으시기 바랍니다. 1. 평균 변화율과 순간 변화율 (1) 평균 변화율 : 평균적으로 변화하는 양(기울기)이라 생각하시면 되겠습니다. 아래 수식을 보시면 평균 변화율이란 x2에서의 y값과 x1에서의 y 값의 변화를 확인하는 것과 동일합니다. 이때 Δ(델타)라는 기호는 변화량이라 생각하시면 되겠습니다. 간단히 그림으로 이해해 보겠습니다. x1이 4이고 x2가 6이며, y1이 4이며 y2가 8일 때 평균 변화율은 2가 됩니다. 즉 기울기가 2인 직선이 생성된다고 생각하시면 될 것 같습니다. 더 쉽게 말씀 드리면 우리가 자동차를 운전하다.. 더보기

미분 : 극한의 개념, 조건, 연속성 극한이란 임의의 변수가 특정값에 무한히 가까워질 때를 일컫는 말입니다. 머신러닝에서는 특정 입력 데이터 값이 a로 한없이 가까워질 때 출력이 무엇이 나올까 유추하는 것인데 아래 예제를 통해 한번 알아보겠습니다. 1. 극한의 개념 아래는 극한 수식인데 x의 값이 a에 무한이 가까워질 때 출력되는 y값은 L이란 뜻입니다. 조금 난해할 수 있으니 예제를 통해 한번 알아보겠습니다. 아래 예제에서 x축의 a값이 1로 무한이 가까워질때 출력 y값은 1이 나오게 됩니다. 그리고 x축의 a값이 2로 무한이 가까워질 때 출력 y값은 2가 나오게 되고요. 간단하죠? 이게 극한입니다. 이때, f(x)는 y와 동급이라고 생각하시면 되겠습니다. 머신러닝에서도 바둑 시합을 할 때 a라는 수를 두면 y라는 결과가 나온다라는 것을 .. 더보기

머신러닝/딥러닝을 위한 매개변수 모델링(Parametric Models) 기초 안녕하십니까. 매개변수 모델링에 대해서 말씀드리겠습니다. 이 개념은 앞으로 딥러닝 또는 머신러닝을 하실 때 가장 중요한 핵심 개념이기 때문에 이해하고 가시면 많은 도움이 될 것 같습니다. 1.Parametric Models 개념설명 말이 어려운데 실제로는 간단한 개념입니다. 아래 그림과 같이 철수와 영희의 수학과 영어 점수는 다르나 합은 동일하죠? 그러면 점수는 동점일 것입니다. 여기에 Parametric Models 개념을 넣어 보겠습니다. 즉, 가중치를 넣겠다는 뜻입니다. 예를 들어 수학에는 곱하기 2를 하고 영어에는 곱하기 0.5를 해 보겠습니다. 위의 가중치를 곱한 예제를 보시면 철수가 영희보다 75점 더 앞서는 것을 확인할 수 있습니다. 이렇게 특정 가중치를 곱하게 되면 출력이 정말 달라지는데 .. 더보기

선형 함수(Linear Function) : 선형 결정 경계, 선형성, homogeneity, additivity 선형 함수라는 것은 간단히 말씀드려 직선으로 구현되며, 제곱이 없다는 것과 동일합니다. 입력이 있으면 출력이 항상 일정하게 나오는 것을 선형 하다고 하지요. 그러면 이 개념만 가지고 선형 함수를 설명드리겠습니다. 우리가 사는 세계는 전부 비선형적인데 굳이 성형성을 찾는 이유는 어떠한 문제를 분석, 설계, 개선을 위해서 문제점을 최대한 근사하여 단순하게 보겠다는 뜻입니다. 즉, 문제가 선형적으로 변해야 우리는 그. 나. 마 문제에 대한 추측과 계산을 할 수 있기 때문이죠. 1. 선형 결정 경계(Linear Decision Boundary) 특정 그룹들이 직성으로 경계가 구분되는 것을 말합니다. 아래와 같이 예를 들어 보겠습니다. 아래 그림에서 녹색 점들은 만화를, 빨간색 점들은 비디오를 좋아하는 사람들입니.. 더보기

함수의 대칭 이동과 변환(평행/수직) 그리고 정반사 및 우/기함수 머신러닝 시 필요함 수의 대칭 이동과 변환에 대하여 알아 보겠습니다. 이동과 변환에는 대칭 이동과 평행이동 그리고 대칭 변환과 평행 변환이 있습니다. 그리고 우함수 및 기함수가 있는데 그림으로 살펴보겠습니다. 목록 1. 함수의 대칭 이동 2. 함수의 변환 3. 정반사 함수 4. 우함수와 기함수 1. 함수의 대칭 이동(Translations of Functions) (1) 평행 이동(Horizontal Translations) 아래는 x축으로 평행하는 그림이며, 수식을 포함하고 있습니다. x축에서 0을 지나는 포물선이 2를 지나는 포물선이 되기 위해서 f(x)의 x값에 2만큼 빼줌으로써 원하는 이동을 한 것을 알 수 있죠. 즉 오른쪽으로 평행 이동하기 위해서는 원하는 수만큼 빼주고, 왼쪽으로 평행이동하기 .. 더보기

초월함수 : 지수함수, 로그함수, 삼각함수, 쌍곡선함수 머신러닝을 위한 기초수학으로 초월함수를 알아보겠습니다. 특성이나 기타 자세한 설명은 고등수학을 보시면 될 것 같고 아 이런 것이 있구나라고 눈으로 보시고 넘어가시면 될 것 같습니다. 목차 1. 지수함수 2. 로그함수 3. 삼각함수 4. 쌍곡선함수 1. 지수함수(Exponential Functions) 지수함수는 x값에 따라 기울기가 급격히 커지는 함수라고 생각하셔도 될 것 같습니다(그림참조). 아래 지수함수 수식에서 a는 상수이며, x는 변수입니다. 즉, a에는 0, 1, 2, 3, 4등의 수가 들어갈 수 있고 x는 임의의 수라는 것입니다. 특징으로는 그림을 확인해 보면 지수함수는 x가 0일때 반드시 1이 되므로 y절편에서 1을 반드시 지나게 됩니다. 상수가 정수가 될 경우 증가하는 추세를 나타내고, 상.. 더보기

대수 함수의 종류 : 상수함수, 일차함수, 멱함수, 유리함수, 무리함수, 함수의 연산 머신러닝에서 중요한 대수 함수 중 함수의 종류와 연산에 대하여 간단히 말씀드리겠습니다. 실제 코딩 들어갈 때 또 한 번 더 말씀드리겠으니 간단하게 이런 게 있구나라는 개념만 잡으시면 될 것 같습니다. 1. 대수함수란? 함수와 함수간 대수식(덧셈, 뺄셈, 나눗셈, 곱셈, 거듭제곱 등)으로만 표현된 함수를 말합니다. 대수 함수에 무엇이 있는지 아래에서 알아보겠습니다. 2. 대수 함수의 종류 (1) 상수 함수(Constant Function) : 어떤 입력을 넣더라도 무조건 1개 출력이 나옵니다(변화가 없다라고도 표현). - 함수적 표현 : 정의역 x에 어떤 값을 넣더라도 상수 y가 나오는 것이고 아래 수식과 동일합니다. - 위 수식을 보면 x에 어떤 값을 넣더라도 2가 나오게 됩니다. - 그래프적 표현하면 .. 더보기

이전 1 2 다음

티스토리툴바

.link_tit