딥러닝(deep learning)30 linear regression summary 1. training data 분리 xdata, tdata 2. W, b -> random setting 3. loss_func, error_val, predict, activation function( sigmoid, relu) 4. hyper-parameter ( learning rate, iteration count) 5. for 문 수행 : update W,b ( error 체크) 6.predict 2019. 7. 16. simple linear regression class 위는 처음 혼자 작성해본 버전 아래는 강의 후 정리된 버전 ( 미분 함수는 공용이므로 따로 빼고, loss_func는 원래 클래스 내부에 있지만 빼 보았음) 2019. 7. 12. simple regression weight의 개수 : 입력데이터의 개수와 같다. bias: 노드(시스템) 당 하나 필요 x1 x2 x3 입력데이터 세개이면 가중치는 w1,w2,w3 (hidden layer에 모두 해당되는 규칙) weight (= slope) y = ax +b --> a가 weight가 됨 2019. 7. 12. 비지도 학습 unsupervised learning : training data 존재, target data는 없음. 정답은 없고 input data의 패턴이나 특성등을 학습을 통해 발견 페이스북의 알고리즘이 유사함. 봤던 게시물에 따라 데이터를 기록-> 학습하여 군집화-> 다음에 처음 들어왔을 때 게시물을 추천해줄 때 사용. * 정답데이터가 정해져 있지 않기 때문에 적절한 W를 찾아야함. 2019. 7. 10. 이전 1 ··· 4 5 6 7 8 다음