선형회귀를 이용해서 어떻게 이진 분류기를 설계할 수 있는가? linear regression를 이진분류에 적용하면 단점이 있어서 logistic regression이 도입 -> binary classifiction가능! 이진분류기를 확장되어 multiclass classification가능! Binary Classification의 예시-스팸or햄/ Facebook feed(show of hide)/ Credit Card Fraudulent Transaction detection(legitimate/fraud) Binary encoding->'0' or '1' (범주형은 인코딩되어야함(라벨링)) LInear Regression을 이용한 이진분류 가설에 문제가 있는것이 아닐까? y가 0과 1로만 구분할수 ..

pytorch는 딥러닝/머신러닝용 라이브러리=python으로 사용할 수 있도록 warpping한 언어에 해당 torch를 이용해서 프로그래밍 해야하는데 지금은 python이라는 언어를 이용해서 해결 1. 선형회귀(Linear Regression) import torch import torch.optim as optim #최적화 알고리즘 # (x1,y1)=(1,1), (x2,y2)=(2,2), (x3,y3)=(3,3) x_train = torch.FloatTensor([[1], [2], [3]]) #FloatTensor를 이용하여 값 할당 y_train = torch.FloatTensor([[1], [2], [3]]) # requires_grad=True 학습에 사용하겠다는 의미 W = torch.zero..

Linear Regression Linear Regression을 결정하는 가장 중요한 요소 1. 가설설정(hypothesis) 2. Cost function -Hypothesis (가설설정) 모델은 선형이라고 가설 세움 H(x)=Wx+b 구하고자하는 건 W와 b!(모델 파라미터) 학습의 답과 정답의 차이(오차)가 적은 것이 좋은 모델 -Cost function Cost function=Loss function=Objective function H(x)-y (H(x)는 예측값,y는 참값) m은 전체 샘플의 수=> 에러평균 코스트가 가장 작은 W와 b를 찾는 것이 선형회귀문제의 솔루션을 구하는 방법! ==> W와 b어떻게 찾을까? ==>수학적으로 최소점을 어떻게 찾을까?=GD -Gradient descen..