# AI/ML/DL

juyeonma9

출처 핸즈온 머신러닝2 핸즈온 머신러닝2 github 핸즈온 머신러닝2 5장 pdf 되도록이면 책의 내용과 코드를 그대로 옮기기 보다는 요약과 보충설명! 읽기전에 개념 정리 참고: https://sonsnotation.blogspot.com/2020/11/11-1-kernel.html 참고: https://bskyvision.com/163 python 정리 3장 서포트 벡터 머신(SVM, Support Vector Machine) 복잡한 분류 문제, 작거나 중간 크기의 데이터셋에 적합 선형 SVM 분류 라지 마진 분류 : 마치 클래스 사이에 가장 폭이 넓은 도로를 찾는 느낌. ![](http

juyeonma9

출처 핸즈온 머신러닝2 핸즈온 머신러닝2 github 핸즈온 머신러닝2 4장 pdf 되도록이면 책의 내용과 코드를 그대로 옮기기 보다는 요약과 보충설명! 읽기전에 개념 정리 벡터 사이의 점곱 $\bold {\theta} \cdot \bold x = {\theta}0x0 + {\theta}1x1 +{\theta}2x2 \cdots {\theta}nxn$ 열벡터(열행렬) : 한 개의 열을 갖는 행렬 $\bold b =\begin{bmatrix} b1 \\ b2 \\ \vdots \\ b_ n \end{bmatrix}$ 어떤 행벡터 a와 열벡터 b가 있을 경우, 이 두 행렬의 곱은 두 벡터의 내

juyeonma9

출처 핸즈온 머신러닝2 주피터 노트북 github 핸즈온 머신러닝2 3장 pdf 되도록이면 책의 내용과 코드를 그대로 옮기기 보다는 요약과 보충설명! 읽기전에 개념 정리 확률적 경사 하강법(SGD: Stochastic Gradient Descent) 경사 하강법 한 점에서 접선의 기울기를 알면 어느 방향으로 점을 움직여야 함수값이 증가/감소하는지 알 수 있다. 미분값을 빼면 경사하강밥(gradient descent): 주어진 함수를 최소화, 즉 함수의 극소값의 위치를 구할 수 있다. 이때 극값에 도달하면(즉, 미분값=0) 움직임을 멈춘다. 변수가 벡터라면? 이를 위해, 각 변수 별로 편미분을 계산한 grad

juyeonma9

참고 사이트 데이터 사이언스 스쿨: https://datascienceschool.net/intro.html 딥 러닝을 이용한 자연어 처리 입문: https://wikidocs.net/book/2155 머신러닝이란? 머신러닝 시스템의 종류 학습하는 동안의 감독 형태나 정보량? 지도 학습 : 훈련 데이터에 레이블, 즉 '답'이 포함됨. : 분류, 회귀 등. 비지도 학습 : 훈련 데이터에 레이블이 없음. 즉 시스템이 아무런 도움 없이 학습함. : 군집, 이상치 탐지와 특이치 탐지, 시각화와 차원 축소, 연관 규칙 학습 등. 준지도 학습 : 훈련 데이터의 일부만 레이블이 존재. 대부분 지도 학습과 비지도 학습의 조합으로 이루어짐. 강화 학습 : 에이전트(학습

juyeonma9

[더보기]:https://velog.io/@juyeonma9/핸즈온-머신러닝-2판-조각-지식 출처 핸즈온 머신러닝2 주피터 노트북 github 핸즈온 머신러닝2 2장 pdf (https://codingalzi.github.io/handson-ml2/) 되도록이면 책의