[DL] 머신러닝, 딥러닝 기본 개념

머신러닝

1. 머신러닝의 궁극적 목적 : 최소의 로스로 최적의 웨이트를 찾는다.

2. 방법
ⓐ 정제된 데이터를 x,y 값에 넣는다. 이때 x,y는 항상 쌍으로 이루어진 key-value 형태이다.
ⓑ 랜덤 값이 주어지면 머신러닝이 선을 그린다.
ⓒ 실제 데이터와 머신러닝이 그래프에 그린 선과의 오차를 비교한다. 
    ㄴ 최소의 loss (=최소의 cost)를 찾는다. 이때 cost라고 지칭하는 이유는? 손실만큼 비용이 들기 때문에
    ㄴ 즉, 손실 (=비용)을 최소화하는 값을 찾는다.
ⓓloss 값을 반영해 머신러닝이 선을 다시 그린다. 

   손실(=비용)이 최소화 될때까지 반복하며, 오차가 0인 모델은 만들 수 없다.
ⓔ오차가 가장 적은 선을 찾아낸다. 최적의 웨이트(가중치)로 모델을 형성한다.

3. key point
- 정제된 데이터
- 최소의 로스(최소의 코스트)
- 최적의 웨이트 & 최적의 데이터

[퀴즈 1]
웨이트 0.7과 0.3 중 어떤 웨이트가 좋은 웨이트일까?
데이터에 따라 다르다.
최적의 데이터 값에 따라 최적의 웨이트는 다르기 때문이다.

[퀴즈2]
이 데이터 분포의 최적의 w 값은 무엇일까?

2차 함수 상태에서 최적의 w 값을 구하는 것이 아닌 미분을 통해 1차 함수로 만들어 준 후 최적의 w 값을 구한다.

y = ax₂ + bx + c ▶ (미분) y = 2ax + b 

 

---

딥러닝

 

1. input layer

 - 메텔을 이용해 전처리한 정제된 데이터를 집어넣는다.

 

2. hidden layer 

 - 히든레이어는 각각의 노드로 구성되어 있다.

 - 각각의 노드는 y = ax + b로 이루어져 있다.

 - 노드를 연결하는 선은 파라미터이다.

 - 신경망은 input 에서 output 방향으로 시퀀셔라는 모델을 이용해 순차적으로 간다.