now is better than never

5) 경사하강법 2 - 선형회귀분석 n개의 데이터를 가장 잘 설명하는 선형 모델 무어-펜로즈 역행렬을 이용해서 회귀분석 가능 - L2노름을 최소화하는 y의 근사치를 찾음 경사하강법으로도 선형 모델을 찾을 수 있음 -> 선형모델이 아닌데도 적용 가능, 좀더 일반적인 ML 모델 선형회귀 목적식 : ∥y − Xβ∥2 이를 최소화하는 β를 찾아야 함 = 이 목적식을 β로 미분 -> 주어진 β에서 미분값을 뺌 - 경사하강법으로 선형회귀 계수 구하기 원래 L2 노름과 달리 n개의 데이터를 가지고 계산 i = 1에서 n까지 더해준 다음에 제곱근 X -> 평균값을 계산하기 위해 1/n 나눈 다음에 제곱근 계산 결과: Xβ를 계수 β에 대해 미분한 결과인 X^T만 곱해지는 것주어진 β에 대해서 목적식을 최소화하는 β를 ..

보호되어 있는 글입니다.

2. 경사하강법 4) 경사하강법 1 - 미분(Differentiation) 변수의 움직임에 따른 함수값의 변화를 측정하기 위한 도구 최적황서 제일 많이 사용하는 기법 f(x + h) - f(x) : 기울기, 변화율 미분은 변화율의 극한(limit)으로 정의 sympy.diff 로 계산 가능 - 미분의 이용 미분은 함수 f의 주어진 점 (x, f(x))에서의 접선의 기울기 한 점에서 접선의 기울기를 알면 어느 방향으로 점을 움직여야 함수값이 증가/감소하는 지 알 수 있음 증가 : 미분값 + 감소 : 미분값 - 미분값을 더하면 경사상승법(gradient ascent) 함수의 극대값의 위치를 구할 때 사용 = 목적함수를 최대화 할 때 미분값을 빼면 경사하강법(gradient descent) 함수의 극소값의 위..

3) 행렬 - 행렬이 뭔가요? 벡터를 원소로 가지는 2차원 배열 행(row)과 열(column)이라는 인덱스를 가짐 n x m (행 x 열) 특정 행(열)을 고정하면 행(열)벡터라 부름 numpy에선 행(row)가 기본 단위 = 행벡터 벡터가 공간에서 한 점을 의미한다면 행렬은 여러 점들을 나타냄 행렬의 행벡터는 Xi는 i번째 데이터를 의미 행렬의 원소는 Xij는 i번째 데이터의 j번째 변수의 값을 의미 행렬끼리 같은 모양을 가지면 덧셈, 뺄셈을 계산할 수 있음 성분곱은 각 인덱스 위치끼리의 곱 스칼라곱은 각 배열의 원소에 똑같은 숫자를 곱함 - 전치 행렬(Transpose Matrix) X^T 행과 열의 인덱스가 바뀐 행렬 - 행렬 곱셈 i번째 행벡터와 j번째 열벡터 사이의 내적을 성분으로 가지는 행렬..

2) 벡터 - 벡터가 뭔가요? 숫자를 원소로 가지는 리스트 또는 배열 벡터끼리 같은 모양을 가지면 덧셈, 뺄셈을 계산할 수 있음 벡터끼리 같은 모양을 가지면 성분곱(Hadamard product)을 계산할 수 있음 열벡터 : 세로로 된 배열 행벡터 : 가로로 된 배열 코드는 보통 행벡터임 # 코드 import numpy as pd x = [1, 7, 2] x = np.array([1, 7, 2]) 차원 : 벡터의 갯수 벡터 = 공간에서 한 점을 나타냄 원점으로부터 상대적 위치를 표현 숫자를 곱해주면 방향은 그대로고 길이만 변함 스칼라곱이 1보다 크면 늘어나고, 작으면 줄어듦 단, 0보다 작으면 반대 방향이 됨 1차원 공간: 수직선 상에 놓인 어떤 숫자 2차원 공간 : 좌표평면 (x, y) 그 자체 3차원..

https://www.boostcourse.org/ai100/joinLectures/233687?isDesc=false 인공지능(AI) 기초 다지기 부스트코스 무료 강의 www.boostcourse.org 1. Numpy / 벡터 & 행렬 1) Numerical Python - Numpy - Numpy 파이썬의 고성능 과학 계산용 패키지 Matrix와 Vector와 같은 Array 연산의 표준 List보다 빠르고 메모리 효율적 반복문 없이 데이터 배열에 대한 처리 지원 선형대수와 관련된 다양한 기능 제공 C, C++, 포트란 등의 언어와 통합 가능 # Array creation import numpy as np test_array = np.array(["1", "4", 5, 8], float) # 모두 ..