머신러닝을 위한 통계학2 12

머신러닝을 위한 통계학2 2주차

두 벡터가 서로 독립일 때, 두 벡터는 수직 관계를 이루기 때문에 cos 값은 0이 나온다.벡터는 크기와 방향의 값을 갖는 데이터를 순서대로 나열한 것이다. 데이터를 벡터로 표현하면, 벡터를 이용하여 처리할 수 있다.※ 행렬은 벡터를 또 다른 벡터로 변환시키는 일종의 연산자 (영향력) 로 볼 수 있다.▶ 기저 벡터 변형을 통한 벡터의 선형변환행렬의 곱 또는 행렬과 벡터의 곱을 기저 벡터의 변형을 통한 벡터의 선형 변환으로 해석행렬식행렬식(det(A))은 해당 벡터로 만들어지는 영역으로서, 해당 벡터의 행렬식 값이 0이면 해당 벡터는 동일한 선상에 존재하는 벡터를 의미한다. Cartesian 좌표 : 서로 독립 → 사영을 하여, 유사도 측정에 사용한다. 행렬 A의 선형변환을 고유벡터와 고유값 성분으로 분해..

머신러닝을 위한 통계학2 1주차

지도학습 : 피드백 검증 O비지도학습 : 피드백 검증X강화학습 : 모델을 검증하는 피드백 메커니즘 포함  지식 : '무엇을 알고 있는지' 를 의미지능 : 지능은 문제를 해결하고 새로운 상황에 적응하며 학습하는 능력, 어떻게 문제를 해결 (의사결정) 하고 새로운 것을 배울 수 있는지를 의미지식과 지능을 서로에게 의존적이며, 함께 작용하여 효과적인 문제를 해결, 학습, 창의적 사고 등을 가능하게 한다.  머신러닝 VS 딥러닝머신러닝 : 인간 개입 O딥러닝 : 인간 개입 X 추론연역적 추론 : 일반원리로부터 시작하여 결론에 도달한다. 규칙을 중심으로 하며, 사전지식이 중심이다. (수학적 접근)귀납적 추론 : 경험이나 관측으로부터 시작하여 결론에 도달한다. 데이터를 중심으로 하며, 머신러닝에 쓰인다.  모형결정..