텐서플로

머신러닝으로 전환하기 학습 목적선형 회귀에 관한 지식을 상기머신러닝에서의 가중치와 편향이 선형 회귀에서의 기울기 및 오프셋과 어떤 관계를 갖는 지 설명'손실'의 일반적인 개념과 그 중 특별히 제곱 손실에 대해 설명 선형 회귀(Linear Regression)점 집합에 가장 잘 맞는 직선 또는 초평면을 찾기 위한 가장 간단한 데이터 학습 방법 손실 함수주어진 예의 L2 손실은 제곱 오차라고도 합니다.= 예측과 라벨 간의 차이 제곱= (관찰 - 예측)2= (y - y')2 선형 관계에서의 데이터에 대한 근사치고 하나의 직선을 그린다면 일반적으로 이렇게 표현됩니다.y′=b+w1x1여기서y는 섭씨온도, 즉 예측하려는 값입니다.m은 선의 기울기입니다.x는 1분당 우는 횟수, 즉 입력 특성 값입니다.b는 y절편입니..

머신러닝 용어 정리 학습목표기본적인 머신러닝 용어 알아보기다양한 머신러닝 용도 알아보기 지도 머신러닝 / Supervise Machine Learning 입력을 결합하여 모델을 만들고, 이전에 보지 못한 데이터에 대해서도 적절히 예측하는 방법 라벨 / Label 예측하는 실제 항목 (y) 기본 선형 회귀의 y 변수 예) 스팸메일 여부, 밀의 향후 가격, 사진에 표시되는 동물의 종류, 오디오 클립의 의미 등 특성 / Feature 데이터를 설명하는 입력 변수 (xi) 기본 선형 회귀의 { x1, x2, ... xn } 변수 예) 이메일에 포함된 단어, 보내는 사람의 주소 이메일이 전송된 시간, '이상한 속임수 하나'라는 구문이 포함된 이메일 예 / Example 데이터 (x)의 특정 인스턴스 라벨이 있는 ..