[통학론] Lecture 1-2 요약

https://box-world.tistory.com/6

[머신러닝] 비용함수(Cost Function)란

<목차>
머신러닝의 종류: 지도학습, 비지도학습
지도학습: classification vs regression
linear regression with one variable: h(x) = θ0 + θ1*x
solving linear regression: Σ(yi-w*xi)^2 @y=wx+ε
w에 대해 미분 후 set =0
비용함수: J(θ0,θ1) = 1/(2m)*Σ(h(x)-y)^2
목적: 실제 data point와 predicted의 거리 최소화
= 실제 y값과 가설함수 값의 차를 제곱한 것의 평균을 최소화하는 θ값 구하기
= J를 최소화하는 θ값 구하기


< 머신러닝의 종류 >
1) 지도학습(supervised learning): input에 매핑되는 output 값이 정확히 규정돼있음
2) 비지도학습(unsupervised learning): 규정X 상태로 input data를 처리함

< 지도학습 >
input-output 쌍을 기반으로, input을 output에 매핑하는 function을 학습함
function은 labeled training data로부터 추론됨

< 지도학습의 예: image classification, etc >
1) 스팸메일 검출
spam=1, not spam=0으로 labeling
past data를 기반으로 future data(=다음에 올 mail)가 스팸일지 아닐지를 예측
2) 신용 스코어링
income,saving>0이면 +, 아니면 -로 scoring
income과 saving으로 고객이 low-risk인지 high-risk인지를 판별

< Regression >
연속적인 숫자에 대해 예측하는 것, classification과 다름
눈=0, 비=1, 해=2로 labeling => classification
온도 24C => regression

< 비지도학습 >
input dataset을 기반으로, 특정한 밀집거리 등 hidden struct를 찾아야 함
labeled response 없이 추론함