Thinking

Hypothesis Function and Cost Function(가설 함수와 비용 함수) 데이터들의 집합인 가설 함수(Hypothesis Function)와 해당 데이터들의 값과  가장 오차가 적은 즉, 최소값인 θ0, θ1를 구하는 것이 비용 함수(Cost Function)이다. 비용 함수를 이용하는 이유는 수 많은 데이터들을 분류할 기준이 필요하게 되는데, 그 기준에 해당하는 선을 구해야 한다.  하지만 머신 러닝의 훈련 예제로 들어가는 데이터들이 많다. 따라서, 이 많은 데이터들을 고려했을 때의 가장 근접한 값을 구해야 한다. 이 근접한 값이 비용 함수(Cost Function) θ0, θ1이다. 따라서 가설함수의 매개변수에 해당하는 θ 0 , θ 1 를 결정해야 하는데 , 비용 함수(Cost Function)의 요소  θ 0 ,  θ 1   구해 hθ = θ 0 + θ 1 x 그래프를 정하면 된다 . 위의 그림과 같이 θ 0 , θ 1 값에 따라 그래프가 달라지기 때문에   데이터들과 가장 근접하도록 θ 0 , θ 1 를 결정해야 한다 . 따라서 위에서 여러번 언급했듯이 θ0, θ1를 결정해야 한다. 단순히 오차를 구하게 되면 음수 값이 나올 수 있기 때문에  그 값을 제곱 해 준 값을 비용 함수(Cost Function)로 한다. 비용 함수를 이용하는 이유를 다시한번 정리해보자면,  분류를 하기 위해 선을 그어야 하는데, 선을 어디다 그어야 할지 정할 수 없다.  따라서 데이터 집합들과 거리의 오차가 가장 적은 선을 구해야 하는데,  이 선의 매개변수인 θ0(y절편), θ1(x절편)를 구하기 위해 사용한다. 이렇게 구한 값들을 이용해  최종적으로  위의 그림의 가설 함수(Hypothesis Functio...

Define of Machine Learning(머신 러닝의 정의) ① 사무엘(Arther Samuel,1959)의 정의 사무엘은 기계학습 (Machine Learnig) 이란   컴퓨터가 명시적 (explicit) 프로그램이 없이도 스스로 학습할 수 있는 능력을 연구하는  학문 분야 라고 정의 했다 . 사무엘은 1950 년대에 체스 게임을 직접 수행하는 프로그램을 만들면서 유명해졌다 . 하지만 사무엘은 체스 게임을 잘 하지 못했지만 , 프로그램이 게임을 수 만번 반복하게 해 ,  상황에 따라 수의 좋고 나쁨을 판단 하라 수 있게 되었다 .  결국 이 프로그램은 사무엘 보다 체스 게임을 잘하게 되었다 . ② 톰 미첼(Tom Mitchell, 최근)의 정의 카네기 멜론 (Carnegie Mellon) 대학교 교수인 톰 미첼은   기계학습을 ' 학습 과제 (Well-posed learning problem)' 중심으로 정의하고 있다 . 프로그램이 일정 수준의 작업 성능 (P, performance) 를 가지고 작업 (T,task) 을 수행한다 고   가정 했을때 , 경험 (E, experience) 이 증가함에 따라   작업 (T, task) 을 수행하는   성능 (P, performance) 가 향상될 수 있다 라며 설명했다. 이때 프로그램이 경험 (E) 로 부터 학습 (learn) 을 했다고 표현한다 . 미첼의 정의를 체스 게임에 대입해보자 . 체스에서 경험 (E, experience) 는 ' 같은 게임을 수만 번 반복하는 과정 , 작업 (T, task) 는 체스 게임을 수행하는 행위 , 작업 성능 ...