개요

지난 시간에 이어 Coursera Machine Learning으로 기계학습 배우기 : week4 정리를 진행한다.

목차

해당 포스팅은 연재글로써 지난 연재는 아래의 링크를 참고한다.

• Coursera Machine Learning으로 기계학습 배우기 : week1
• Coursera Machine Learning으로 기계학습 배우기 : week2
• Coursera Machine Learning으로 기계학습 배우기 : week3

글을 읽기에 앞서…

• 본글은 필자가 코세라 기계학습을 공부를 하는 과정에서 개념을 확고히 정리하기 위하는데 목적이 있다. (필자가 나중에 내용을 다시 찾아보기 위한 목적이 있다.)
• 코세라 강의 week 개수에 맞추어 포스팅을 진행할 예정이다.
• 코세라의 슬라이드에 한글 주석을 단것이 핵심으로 내용에서 글을 읽을 필요 없이 슬라이드 그림만으로 최대한 이해가 되게끔 하는데 목적이 있다.
• 수학은 한국의 고등수학을 베이스로 한다. 수학적 개념이 나올때 가급적 고등학교 수학을 베이스로 내용을 정리한다.
• 정리내용의 목차 구성을 코세라 강의와 동일하게 맞추고 또한 제목을 원문으로 둔다. (원본강의 내용과 정리 내용을 서로 서로 찾아보기 쉽게하기 위함이다.)

====================== 4강 ============================================

Motivations

Non-linear Hypothesis

Neurons and the Brain

가설은 각각의 뇌세포는 하나의 학습 유닛들이다는 것이다.

Neural Networks

Model Representation I

Model Representation II

x1 ~ x3로 부터 나온 출력을 새로운 feature로 도출한다는 의미이다.

딥러닝은 학습을 최소 5번 해서 평균 및 표준편차를 줄여야 의미가 있다.

Application

Examples and Intuitions I

Examples and Intuitions II

Multiclass Classification

output 뉴런을 분류개수만큼 가져가는것이 결과가 정확한 경향이 있다.