신림고등학교 정문 - 신토익 체험하러.. 잘 기억은 안나지만 최근에 어떠한 영상에서 '급한 일이 아닌 중요한 일을 먼저 해라'라는 말을 듣고 곰곰히 생각해보았다. 나는 어떤 일을 해야 할 때 우선순위를 정해두고 하는 편이고, 보통 그 스케줄링은 급한 것을 우선으로 처리한다.급한 것이 우선이기 때문에 그야말로 사는대로 생각하게 되는 타입인 것 같다.그래서, 요즘은 일을 하기전에 계획을 짜고 하는 편이지만, 그 역시 급한 일이 닥치면 하나의 병목이기에 계획단을 최소화하게 되고 결국 급한 일을 하게 된다. 생각에 앞서 논리적인 관계를 생각해보자. 급한 일이 항상 중요한 일인가?급하다는 것은 시간적인 제한이 있다는 점이니 정량적이라고 쳐도, 중요한 일에서 '중요'라는 것이 정성적인 지표이다.대략 구체화해보자면,..
[Logistic Regression] 굉장히 인기있고, 널리 쓰이는 모델 [Classification and Representation]1. Classficiation - Classification은 binary / multiclass 가 가능한데, 지금은 {0, 1} 로 표현할 수 있는 binary classficiation을 다룸 - linear regression에 threshold classifier output을 적용하는 예를 생각해보자. 만약 h(x) 가 있을 때, 어떤 값 a를 기준으로 그 이상이면 1 아니면, 0으로 구분하여 classification을 할 수 있다. 하지만, 만약 example data가 추가된다면 linear regression의 h(x)가 변화할 수 있고 이러한 변화..
[Multivariate Linear Regression]1. Multiple Features - 이전 시간까지는 variable이 1개, 2개인 것만 봤는데, 조금 더 변수가 많은 multiple featrue 모델을 보자 - n = number of features 이며, x^(i) = input of i_th training example. 만약 x^2라면 2번째 training example의 variable들이며 이는 n by 1 vector로 표현됨 - linear regression에서 x0, 즉 x_0^(i)는 1로 정의한다 - 이 경우, h함수는 0부터 n까지, n+1개의 feature로 이루어진 x벡터 그리고 n+1개의 θ로 이루어진 θ벡터의 inner product로 표현할 수 있다 ..
- Total
- Today
- Yesterday
- 영월행 일기
- caffe
- 코딩 호러
- machine learning
- logistic regression
- 딥러닝
- 암살 교실
- vanashing gradient problem
- Linear algebra
- 데이터과학
- 데이터과학자
- linear regression
- 프레젠테이션 문제 해결법
- 나의 존재 화이팅
- 머신러닝
- 커널
- 도커
- 텐서플로우
- Quora
- ADP
- 만성양꼬치
- 앤드류 응
- ADsP
- 뭣이중헌디
- 아웃풋
- tensorflow
- 예쁜 마음
- Andrew Ng
- 나는한번읽은책은절대잊어버리지않는다
- 트러블 슈팅
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |