Machine Learning (3) 썸네일형 리스트형 [ML] Stanford cs229 ML Course Lecture 3 Lecture 3는 'Locally Weighted Regression and Logistic Regression'에 대해서 설명한다. 강의 목차Linear Regression(recap)Locally Weighted RegressionProbability InterpretationLogistic RegressionNewton's Method1. Linear Regression (recap)linear regression에 대한 복습은 lecture2 글을 참고하자.2024.04.24 - [Machine Learning] - [ML] Stanford cs229 ML Course Lecture 2 [ML] Stanford cs229 ML Course Lecture 2Lecture 2는 'Linear Reg.. [ML] Stanford cs229 ML Course Lecture 2 Lecture 2는 'Linear Regression and Gradient Descent'에 대해서 설명한다. 강의 목차Linear Regression(Batch) Gradient DescentStochastic Gradient DescentNormal Equation 1. Linear Regression(선형 회귀)lec1에서 간단히 소개했던 regression problem을 해결할 방법을 알아보자.위의 사진에서 hypothesis인 h(x)를 구하는 것이 선형회귀의 주목적이다. lec 1에서 소개했던 house price problem을 상기시켜 보자. data set에는 집크기와 그에 알맞은 label인 집가격이 존재했다. 이번에는 feature을 1개 추가해서, 집크기와 방개수, 총 2개의 f.. [ML] Stanford cs229 ML Course Lecture 1 갑자기 ML을 공부해보고 싶어서 유명한 강의 중 하나인 Andrew NG 교수님의 강의인 cs229를 정리해보려고 한다.(3학년 때 학교에서 인공지능 수업을 들어서 간단한 개념은 알고 있지만 휴학하기 전 마지막 학기라 너무 대충 공부해서 기억이 안 나네..)강의를 들으면서 학교에서 배웠던, 선형대수 + 확률통계론 + 인공지능 강의를 다시 복습해야 완전히 이해할 수 있을 거 같아서 중간중간 옛날에 공부했던 내용들도 복습 및 정리해야 할 듯하다. (선형대수 잘했었는데 이젠 행렬만 봐도 머리 아픔..) 강의와 관련된 정보는 아래와 같이 매우 풍족하므로 공부하는 데는 문제가 없을 것 같다.강의 제목 : Machine Learning Course, Lecture 1 - Andrew Ng (Autumn 2018).. 이전 1 다음
