dl2 [ Machine Learning ]K-Nearest Neighbors(KNN) : 최근접이웃 강의 내용 정리 이번주에 3주차 강의 들었다. 내일은 실습 복습하고 과제1,2 하고~ 다음주는 좀 널널하니까 4,5주차 강의 들어야겠다. 이번 방학에 다 끝내고 기계학습 수업듣는게 목표...! ٩(๑'o'๑)۶ K-Nearest Neighbors(KNN)의 개념 : 주변 k개의 자료의 클래스 중 가장 많은 클래스로 특정 자료를 분류 //가까이에 가장 많이 있는// ⓐ KNN 특징 - 매우 간단한 방법이면서 performance는 떨어지지 않아서 많이 사용. - 데이터 차원이 증가하면 차원의 저주(curse of dimension) 문제 발생 //차원이 증가할수록 성능 저하가 심함// * 차원의 저주 : 차원이 증가할수록 데이터의 분포 분석에 필요한 샘플 데이터의 개수가 기하급수적으로 증가함 - 관측치의 거리로 Minko.. 2021. 1. 30. [인공지능] 선형회귀 (Linear regression) , 경사하강(Gradient Descent Algorithm) 강의 내용 정리 Goal : Minimize cost(W,b) 데이터 예측 단계 Regression Data -> Presentation -> Hypothesis (Linear ? Non-linear ?) 1. Hypothesis (1) Linear ## 우리 모델에 가장 적합한 식(오차가 적음)을 찾자! : H(x) = Wx + b - cost function (오차) = Loss function = Objective function : Cost = H(x) - y (y : 창 값) 즉, 에러의 평균을 의미한다. 유도 방법 - Gradient Descent Algorithm (경사 하강 알고리즘) : 기울기가 0이 되는 지점을 찾는다. -> 미분 --> 갱신값 = 기존값 일때까지 반복 (즉, 미분값이 0인 경우) --.. 2021. 1. 11. 이전 1 다음
