AI를 위한 필수 수학

131

Chapter 3 -

데이터에 함수를 최적화시키는 방법

66

옮긴이_ 옮긴이의

GitHub

페이지

https://github.com/EmjayAhn/essential-mathematics-for-ai

에서 확인할 수 있다.

NOTE

이미지 데이터의 피처

흑백

gray

scale

이미지의 경우 각 픽셀의 강도

intensity

가 피처이므로 이미지에는 수천 개의 피처가 있다고 볼 수

있다. 일반적으로 흑백 이미지는

2

차원 행렬로 표현되며 픽셀 강도가 행렬의 요소로 사용된다. 컬러 이미지

에는 빨강, 초록, 파랑 세 가지 채널이 존재하며 각 채널은 다시

2

차원 행렬로 표현된다. 결국 채널이 서로 겹

쳐져

2

차원 행렬이

3

개의 층을 형성한다. 이 구조를 텐서

tensor

라고 부른다. 이 책의

GitHub

페이지

66

에 있

는 주피터 노트북에서 파이썬을 사용해 흑백 이미지와 컬러 이미지를 어떻게 처리하는지 확인해볼 수 있다.

3.5.1

훈련 함수

첫 번째 단계는 항상 동일하다. 피처를 선형 조합으로 만들고 상수인 편향 항을 더한다. 분류할

클래스가

2

개뿐이었던 로지스틱 회귀에서도 선형 조합에 상수인 편향 항을 더한 값을 로지스

틱 함수에 대입했다.

s

e

e

e

e

ee

e

1

1

1

1

1

1

s

s

s

s

s

s

0

v

=

+

=

+

=

+

=

+

-

Q

V

그리고 이를 데이터 포인트가 특정 클래스에 속할 확률로 ...