🖥 dev-ruby

인터넷으로 공부해왔던 자바스크립트를 다시 기초부터 제대로 시작하려고 한다. 모르는게 너무 많아서 알고리즘 풀 때도 찾아보면서 하게 돼서 기초 다지기부터 시작.. 1. 변수 ES6 이전에는 다음과 같은 방법으로 변수를 선언했다. var name = "Alberto"; ES6 부터 2가지 방법이 더 추가됐다. let name = "Alberto"; const name = "Alberto"; 여기서, 3가지 키워드의 차이점에 대해 알아볼거다. const 키워드로 생성된 변수는 상수이다. 값을 덮어 쓸 수 없다. var와 let은 값을 덮어 쓸 수 있다. 그런데, 우리는 주로 let을 사용해야한다. 그 이유는 자바스크립트의 작동 방식에서 더 알아볼 것이다. 1.1 변수 명명법 변수 이름을 짓는 가장 일반적인 두..

1. 신경망 인간 두뇌에 대한 계산적 모델을 통해 인공지능을 구현하려는 분야 신경세포 수상돌기 : 다른 신경세포의 축색돌기와 연결되어 전지화학적 신호를 받아들이는 부위 축색돌기 : 수신한 전기화학적 신호의 합성결과 값이 특정 임계값 이상이면 신호를 내보내는 부위 신경연접 : 수상돌기와 축색돌기 연결부위 전달되는 신호의 증폭 혹은 감쇄 2. 퍼셉트론 신경세포의 계산모델 로젯블랏이 제안한 학습가능한 신경망 모델 XOR 선형분리 불가 문제는 해결할 수 없다 3. 다층 퍼셉트론(MLP) 여러 개의 퍼셉트론을 층 구조로 구현한 신경망 모델 선형분리불가 문제 해결가능 다층 퍼셉트론의 학습 입력-출력의 학습 데이터에 대해서 기대출력 yi와 다층 퍼셉트론의 출력 f(xi)의 차이, 즉 오차가 최소가 되도록 가중치 w를..

1. 앙상블 학습 대중의 지혜 무작위로 선택된 많은 사람의 답변을 모은 것이 전문가의 답변보다 낫다 앙상블 학습 일련의 예측 모델(분류 or 회귀)을 사용한 모델의 학습 붓스트랩 주어진 학습데이터 집합에서 복원추출하여 다수의 학습 데이터 집합을 만들어내는 기법 2. 배깅 붓스트랩을 통해 여러개의 학습데이터 집합 생성 각 학습 데이터 집합별로 분류기 또는 회귀모델 생성 최종판정 분류기들의 투표나 가중치 투표 회귀모델들의 평균 랜덤 포레스트 알고리즘 분류기로 결정트리를 사용하는 배깅기법 Random : 무작위로 선택한 속성 중에서 분할 속성 선택 Forest : 여러 결정트리로 구성 배깅에 의한 회귀 붓스트랩을 통해 다수의 학습데이터 집합 생성 각 학습 데이터 별로 회귀모델 생성 이들 회귀모델의 평균값으로 ..

1. 결정트리 트리 형태로 의사결정 지식을 표현한 것 내부 노드 : 비교 속성 간선 : 속성 값 단말 노드 : 부류, 대표값 결정트리 학습 알고리즘 모든 데이터를 포함한 하나의 노드로 구성된 트리에서 시작 반복적인 노드 분할 과정 분할 속성을 선택 속성 값에 따라 서브트리를 생성 데이터를 속성값에 따라 분배 분할 속성 결정 어떤 속성을 선택하는 것이 효율적인가? -> 분할한 결과가 가능하면 동질적인 것으로 만드는 속성 엔트로피 동질적인 정도 측정 가능 척조 원래 정보량측정 목적의 척도임 -> 동질적일수록 낮음 p(c) : 부류 c에 속하는 것의 비율 p(c)가 낮을수록 정확한 엔트로피 정보이득 IG = I - Ires Ires : 특정 속성으로 분할한 후의 각 부분집합의 정보량의 가중평균 정보이득이 클수..

1. 회귀 학습 데이터에 부합되는 출력 값이 실수인 함수를 찾는 문제 성능 오차 : 예측값과 실제값의 차이 테스트 데이터들에 대한 (예측값 - 실제값)^2 의 평균 or 평균의 제곱근 성능은 모델(함수)의 종류에 영향을 받음 경사하강법 학습 데이터에 부합하는 출력 값이 되도록 파라미터를 변경하는 일 오차함수 E의 그레디언트 반대 방향으로 조금씩 움직여가면서 최적의 파라미터를 찾는 방법 데이터의 입력, 출력을 이용해 각 파라미터에 대한 그레디언트를 계산하여 파라미터를 반복적으로 조정 그레디언트 : 각 파라미터에 대해 편미분한 벡터 회귀의 과적합 지나치게 복잡한 모델 사용 부적합 지나치게 단순한 모델 사용 회귀 과적합 대응 방법 모델의 복잡도를 성능 평가에 반영 - 복잡도가 크지 않도록 목적함수 = 오차의 ..

1. 지도학습 새로운 입력이 있을 때 결과를 결정할 수 있도록 방법을 찾는것 학습 데이터 : 주어진 (입력, 출력)에 대한 데이터 이용 분류 : 출력이 정해진 부류 중의 하나로 결정 회귀 : 출력이 연속인 영역의 값 결정 분류 데이터들을 정해진 몇 개의 부류(class)로 대응 시키는 문제 분류 문제의 학습 학습 데이터를 잘 분류할 수 있는 함수를 찾는 것 함수의 형태는 수학적 함수 or 규칙 분류기 : 학습된 함수를 이용하여 데이터를 분류하는 프로그램 결과는 범주형 또는 수치형으로 나타낼 수 있음 이상적인 분류기 학습에 사용되지 않은 데이터에 대해서 분류를 잘 하는 것 일반화 능력이 좋은 것 데이터의 분류 학습데이터 분류기를 학습하는데 사용하는 데이터 집합 학습데이터가 많을수록 유리 테스트 데이터 학습..