AI를 위한 필수 수학

100

AI

를 위한 필수 수학

다섯 가지 피처의 이름을

x

1

,

x

2

,

x

3

,

x

4

,

x

5

로 변경하고 물고기 무게를 이 다섯 가지 피처에 대한

함수

y

=

f

(

x

1

,

x

2

,

x

3

,

x

4

,

x

5

)

로 쓸 것이다. 이렇게 함수가 정해지고 특정 물고기에 대한 피처 값

이 입력되면 해당 물고기의 예상 무게가 출력된다.

이번 절에서 다루는 내용은 앞으로 배울 모든 것의 기초가 되므로 구성을 먼저 살펴보는 것이

중요하다.

1

훈련 함수

training

function

●

모수 모델

parametric

model

과 비모수 모델

nonparametric

model

2

손실 함수

loss

function

●

예측한 값과 실제 값

●

절댓값 거리와 제곱 거리

●

특이점

singularity

(뾰족한 부분 )이 있는 함수

●

선형 회귀 손실 함수: 평균 제곱 오차

mean

squared

error

●

이 책에서 표현되는 벡터는 항상 열 벡터다.

●

훈련 데이터셋, 검증 데이터셋, 테스트 데이터셋

●

훈련 데이터셋의 피처 간 상관관계가 높은 경우

3

최적화

optimization

●

볼록한

convex

평면과 볼록하지 않은

nonconvex

평면

●

함수의 최솟값 찾기

●

미적분

●

1

차원 최적화 예시

●

선형 대수 식의 도함수

●

평균 제곱 오차 손실 함수 최소화

●

주의 : 큰 행렬들을 서로 곱하는 것은 비용이 매우 많이 드니 행렬과 벡터를 곱하자.

●

주의 : 훈련 데이터를 너무 잘 맞추고 싶은 것은 아니다.

3.3.1

훈련 함수

다양한 길이 ...