728x90 분류 전체보기111 [선형대수] 행렬식 (Determinant) 선형대수를 공부하다 보면 행렬식이라는 개념을 접하게 됩니다. 행렬식의 정의는 정방행렬(Square Matrix)을 하나의 수로 대응시키는 함수입니다. 행렬식을 계산하는 공식은 다음과 같습니다.2x2 행렬\[ \det\begin{pmatrix} a & b \\ c & d \end{pmatrix} = ad - bc \]3x3 행렬\[ \det\begin{pmatrix} a & b & c \\ d & e & f \\ g & h & i \end{pmatrix} = a(ei - fh) - b(di - fg) + c(de - gh) \] 행렬식을 계산하는 방법에 대해서 간략하게 배웠거나, 행렬식의 계산 값이 단순히 두 벡터가 만들어내는 사각형의 넓이라는 값이라는 것으로 알고 있는 경우가 많습니다. 하지만 이번 .. 2024. 7. 25. [ML] 머신 러닝의 성능 저하 요인 이번 글에서는 머신 러닝의 성능을 저하시킬 수 있는 요인들, 머신 러닝의 Main Challenges에 대해서 설명하겠습니다. 문제가 될 수 있는 요인들은 크게 두가지로, 1) Bad Data와 2) Bad Model입니다. 1) Bad Data먼저 다룰 상황은, 주어진 데이터셋이 문제를 가지고 있는 경우입니다.- 부족한 Training 데이터의 양인간과 달리 머신 러닝은 제대로 작동하기 위해서 많은 양의 데이터가 필요합니다. 단순한 문제를 해결하기 위해서도 1000개 이상의 데이터가 필요한 경우가 대부분이고, 이미지, 음성 분석과 같이 문제가 복잡해질 수록 필요한 양의 데이터는 매우 커집니다. 또한 2009년에 발표된 논문 에서는 모델이 어떻게 설계되었는지에 따라서 성능의 차이가 있지만, 데이터의 .. 2024. 7. 24. [ML] 머신 러닝 유형 머신 러닝은 크게 3가지의 기준으로 분류를 할 수 있습니다. 각 기준에 따라 머신 러닝의 특징을 붙일 수 있습니다. 1. Supervision 유형 기준2. 실시간으로 새롭게 들어오는 데이터 접근 방식3. 모델의 추론 방식 1) Training Supervision학습 과정에서 머신 러닝 시스템이 어떻게 관리되는지에 따라 다르게 구분할 수 있습니다. - Supervised Learning (지도학습)알고리즘에 문제와 정답(라벨)을 모두 제공하는 것은 지도학습에 속하게 됩니다. 지도학습을 사용하는 대표적인 경우는 1) 어떠한 카테고리에 속하는지를 결정하는 classification 문제와, 2) 주어진 특징(features)들을 바탕으로 값을 추론해내는 regression 문제가 있습니다. * 값을 기.. 2024. 7. 23. [ML] 머신 러닝 소개 머신러닝 정의Machine learning is the science (and art) of programming computers so they can learn from data.머신 러닝은 컴퓨터가 데이터로부터 학습할 수 있게 만드는 것입니다. 머신 러닝을 활용한 대표적인 예시로 스팸 필터가 있습니다.스팸 필터를 만약 머신러닝 없이 하드코딩한다면 스팸에 자주 나오는 단어들을 찾아보고 규칙을 정의해서 필터링하게 해야 합니다. 이 경우에는 만약 스팸에 기존의 스팸 메일에 자주 나왔던 키워드들이 변형되면(스팸 메일을 보내는 사람이 규칙을 알아채거나, 사용되는 단어의 트렌드가 바뀔 수도 있기 때문), 규칙을 일일이 업데이트해야 되기 때문에 비효율적이고 어렵습니다 하지만 머신 러닝은 스스로 데이터를 보고 학.. 2024. 7. 21. [선형대수] 선형 변환과 행렬의 관계 변환(Transformation)은 인풋으로 하나의 벡터를 가지고 아웃풋으로 새로운 벡터를 주는, 함수와 같은 역할을 합니다. 이때 1) 모든 선들이 직선이고, 2) 원점이 움직이지 않는 특별한 유형의 변환을 선형 변환(Linear Transformation)이라고 합니다. 이러한 선형 변환을 화살표가 아닌 수치적으로 표현하기 위해서는 행렬을 사용합니다. 특정 벡터가 어떤 움직임을 가지고 있는지 설명하기 위해서는 최종적으로 도달하는 좌표의 값을 알면 됩니다. 행렬에 들어가는 값들은 특정 벡터를 기저 벡터의 단위로 쪼갠 뒤에, 기적 벡터들의 최종 변환 값을 좌표로 나타내는 것으로 이해할 수 있습니다. 예를 들어 다음과 같은 선형 변환의 행렬이 있다고 합시다. \begin{bmatrix} 1 & 3 \\ 2.. 2024. 7. 20. [선형대수] 벡터와 선형 조합 벡터를 바라보는 시각은 크게 3가지로 나눌 수 있습니다.- 물리학도 : 공간에 존재하는 화살표로 접근- 컴퓨터공학도 : 리스트와 비슷하게 보이는, 값을 묶어놓은 행렬로 접근- 수학도 : 앞서 나온 두가지 시각을 일반화하는 시각으로, 벡터의 덧셈과 스칼라 값과 벡터의 곱셈의 개념으로 접근 벡터는 정해진 좌표계에서 어떤 방향으로 얼만큼 가는지를, 숫자로 표현하게 되면 움직인 뒤의 좌표값을 표현한다고 생각할 수도 있습니다. 화살표로 생각하면, 꼬리를 떼고 끝점이 어디에 갈지를 정하는 것입니다. 벡터끼리의 합은 이러한 움직임을 더하는 것이고, 스칼라 값을 곱하는 것은 이러한 움직임의 크기를 정하는 것입니다. 모든 벡터는 결국 가장 작은 단위인 기저 벡터 (unit vector)의 덧셈으로도 표현할 수 있습니다.. 2024. 7. 18. 이전 1 ··· 4 5 6 7 8 9 10 ··· 19 다음 반응형
