ML / DL

1. 퍼셉트론(Perceptron)이란? 신경망(딥러닝)의 기원이 되는 알고리즘 다수의 신호를 입력 받아 하나의 신호를 출력 > x1, x2 : 입력신호 y : 출력 신호 w1, w2 : 가중치 그림에서 원 : 뉴런 or 노드라고 함 입력신호가 다음 뉴런에 보내질

장점 : 퍼셉트론 이용하여 복잡한 함수 표현 가능단점 : 가중치 설정 - 사람이 수동으로 진행해야 함퍼셉트론의 단점을 보완하기 위해~=> 신경망 : 가중치 매개변수의 적절한 값을 데이터로부터 자동으로 학습(결정)하는 알고리즘1) 입력층 (input layer): 데이터

학습 : 훈련 데이터로부터 가중치 매개변수의 최적값을 자동으로 획득하는 것신경망이 학습할 수 있도록 해주는 지표엔 손실함수가 있음학습의 목표 : 손실 함수의 결괏값을 가장 작게 만드는 가중치 매개변수를 찾는 것신경망의 특징 - 데이터를 보고 학습할 수 있다는 점!즉,

원래의 고전적인 접근 방식에선 강력한 전문 지식이 요구됐었음최근에는 LSTM과 같은 순환 신경망등의 딥러닝 메소드 / 1차원 convolutional 신경망 / CNN을 사용하는 것 같은 변화들이 좋은 결과를 제공하는 것으로 나타남이 튜토리얼을 통해 활동 인식 시계열

Decision Tree데이터에 있는 규칙을 학습을 통해 자동으로 찾아내 트리 기반의 분류 규칙을 만드는 알고리즘(쉽게 이해하려면 if-else문을 자동으로 찾아내 예측 위한 규칙을 만드는 알고리즘)구조루트노드 : 시작점리프노드 : 분류 클래스의 총 개수규칙노드(=내부