전체 글

📗강의노트/모두의 딥러닝
[모두의 딥러닝] Multivariable linear regression
Sung Kim 님의 "모두의 딥러닝" 강의노트입니다좋은 강의 감사드립니다!https://www.youtube.com/watch?v=mQGwjrStQgg&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=5 Remind Linear regression을 하기 위해서는 1. Hypothesis : 어떻게 예측할 건지 H(x) = Wx+b / W와 b를 학습 2. Cost function : cost를 측정 / 잘했는지 못했는지를 어떻게 정의 할지 / Cost(W,b) ( 예측값 - 실제값 )제곱해서 합한 것 밥그릇 모양으로 주어짐 3. Gradient descent algorithm : cost가 정해지면 cost를 최적화 하는 알고리즘 사용 cost최적화되는 값을 찾기위해..
→2019.01.01
📗강의노트/모두의 딥러닝
[모두의 딥러닝] Linear Regression minimize cost
Sung Kim 님의 "모두의 딥러닝" 강의노트입니다좋은 강의 감사드립니다!https://www.youtube.com/watch?v=mQGwjrStQgg&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=5 Simplified hypothesis +b 를 제거함 H(x) = Wx Cost looks like? Cost(W,b)식에 x와 y를 대입하면 나온다. w의 값에 따라 cost도 변화함 Cost가 최소화되는 점을 찾는 것 이 최소점을 찾을 때 쓰이는 것 => Gradient descent algorithm -> 경사를 따라 내려가는 알고리즘 주어진 cost function을 minimize할 때 자주 쓰임 가장 minimize할 수 있는 W, b 를 구할 수 있게 됨..
→2019.01.01
📗강의노트/모두의 딥러닝
[모두의 딥러닝] Linear Regression의 개념 강의노트 & TensorFlow
Sung Kim 님의 "모두의 딥러닝" 강의노트입니다좋은 강의 감사드립니다!https://www.youtube.com/watch?v=mQGwjrStQgg&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=5 Supervised Learning : 데이터를 가지고 학습시켜서 예측하는 것 ( 공부시간 학습을 통한 점수 예측 ) -> 모델을 만들어 Regression을 사용함 ( 새로운 학생의 공부시간을 입력 ) 그 후 (Linear) Hypothesis를 세운다. 기존 데이터에 적합한 선을 결정하는 것임 - 선을 찾는 것이 학습을 하는 것 수학적으로 나타낸다면 H(x) = Wx + b로 나타낼 수 있다. Cost function : 우리가 세운 가설과 실제 데이터가 얼마나 맞..
→2019.01.01
📗강의노트/모두의 딥러닝
[모두의 딥러닝] Tensor Basic
Sung Kim 님의 "모두의 딥러닝" 강의노트입니다!좋은 강의 감사드립니다!https://www.youtube.com/watch?v=mQGwjrStQgg&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=5 노드와 노드를 연결하는 엣지로 연결되어있는 것이 Graph Data Flow Graph : 각각의 node 들이 operation 역할을 하고 edge는 data array(tensor)이다. Import tensorflow as tf 로 모듈 로드 tf.__version__ 으로 버젼확인 tf.constant 를 통해 그래프 속 노드를 만드는 것임 이를 실행하기 위해서는 Session이 필요함 tf.Sesison -> seas.run 으로 실행 결과에 나오는 b는 ..
→2019.01.01

• 이전
• 1
• ···
• 86
• 87
• 88
• 89
• 다음