머신러닝 / 딥러닝 기초를 다지고자 coursera에서 Adrew Ng 강사가 진행하는 머신러닝 강의를 수강하게 되었다. 다음은 Neural Networks 강의 내용을 정리한 것이다. Non-linear Hypotheses 지금까지 알아본 선형 회귀(linear regression)나 로지스틱 회귀(logistic regression)로는 복잡한 데이터를 다루는 데 한계가 있다. 예를 들어, 다음과 같이 분포하는 데이터는 non-linear decision boundary가 필요하다. 물론 로지스틱 회귀를 이용해서 non-linear boundary를 만들 수 있긴 하다. 예를 들어, 다음과 같이 3개의 feature로부터 만들어 낼 수 있는 2차항들을 포함하는 hypothesis를 만든다고 하자. 이 경우, 새로운 6개 feature을 이용한 것으로 볼 수 있다. 즉, 원래 3개 feature를 두 개씩 묶는 가능한 경우의 수 3H2=6이 새 feature의 개수가 된다. 그런데...
#coursera
#코세라머신러닝
#코세라
#이웃환영
#머신러닝
#딥러닝
#대학생
#뉴럴네트워크
#뉴런
#공부블로그
#공부
#통계학과
원문링크 : [coursera 머신러닝 강의] 뉴럴 네트워크 Neural Network 개념 구조 예제