분류 전체보기
02. 퍼셉트론
퍼셉트론이 신경망(딥러닝)의 기원이 되는 알고리즘. 2.1. 퍼셉트론이란? 다수의 신호를 입력으로 받아 하나의 신호를 출력. x₁ x₂: 입력 신호 y: 출력 신호 w₁ w₂: 가중치 원: 뉴런 or 노드 입력 신호가 뉴런에 보내질 때는 각각 고유한 가중치가 곱해진다. (w₁x₁, w₂x₂) 뉴런에서 보내온 신호의 총합이 임계값 (θ) 를 넘어설 때만 1을 출력한다. (뉴런이 활성화) 위를 수식으로 나타내면 아래와 같음. 퍼셉트론은 복수의 입력 신호 각각에 고유한 가중치를 부여한다. 가중치는 각 신호의 결과에 주는 영향력을 조절하는 요소로 작용한다. 가중치가 클수록 해당 신호가 그만큼 더 중요함을 뜻 함. 2.2. 단순한 논리 회로 2.2.1. AND 게이트 이 AND 게이트를 퍼셉트론으로 표현하려면, ..
2. 간단한 분류 알고리즘 훈련
머신 러닝 알고리즘을 직관적으로 이해 판다스, 넘파이, 맥플롯립으로 데이터를 읽고 처리하고 시각화 하기 파이썬으로 선형 분류 알고리즘 구현하기 2.1. 인공 뉴런 : 초기 머신 러닝의 간단한 역사 초창기 머신러닝에서 AI를 설계하기 위한 생물학적 뇌가 동작하는 방식을 이해하려는 시도를 함. 맥컬록-피츠(MCP) 뉴런이라는 간소화된 뇌의 뉴런 개념을 발표, 신경 세포를 이진 출력을 내는 간단한 논리회로로 표현. 프랑크 로젠블라트의 MCP 뉴런 모델 기반 퍼셉트론 학습 개념 발표. 자동으로 최적의 가중치를 학습하는 알고리즘 제안. 2.1.1. 인공 뉴런의 수학적 정의 인공 뉴런의 아이디어를 두 개의 클래스 가 있는 이진 분류 작업으로 불 수 있음. 두 클래스는 간단하게 1(양성 클래스)과 -1(음성 클래스)..
1. 컴퓨터는 데이터에서 배운다
머신 러닝(machine learning)은 데이터를 이해하는 알고리즘의 과학이자 애플리케이션. 이 장에서 머신러닝의 주요 개념, 종류, 관련 용어를 소개하고, 머신 러닝 기술을 실제 문제 해결에 성공적으로 적용할 수 있는 초석을 다진다. 머신러닝의 일반적인 개념 이해하기 세 종류의 학급과 기본 용어 알아보기 성공적인 머신 러닝 시스템을 설계하는 필수 요소 알아보기 데이터 분석과 머신 러닝을 위하 파이썬을 설치하고 설정하기 1.1. 데이터를 지식으로 바꾸는 지능적인 시스템 구축 데이터에서 지식을 추출하여 예측하는 자기 학습(Self-learning) 알고리즘과 관련된 인공 지능(Artificial Intelligence, AI)의 하위 분야로 머신러닝이 출현 함. 머신러닝이 데이터에서 더 효율적으로 지식..