Stack Building

"실수를 통해 올바른 행동을 학습하는 방법" 1. 강화 학습 1-1. 개념 (1) 조작적 조건화(Operant Conditioning): 자발적인 시행 착오로부터 얻은 보상(Reward)에 따라 행동을 형성하는 것 (2) 강화 학습(Reinforcement Learning) - 강화: 조작적 조건화가 일어날 때, 어떤 행동의 빈도가 증가하는 것 - 강화 학습: 시행 착오(조작적 조건화)를 거치며 보상을 통해 서서히 올바른 행동 패턴을 학습해나가는 과정 => 목적: 누적 보상이 최대가 되도록 하는 정책을 찾는 것 (3) 정책(Policy): 객체가 어떤 상태에 놓였을 때 어떤 행동을 어느 정도 확률로 선택할지에 대한 지침 (4) 보상의 할인: 보상을 받는 선택을 할 때에는 반드시 일정한 패널티가 따르기 마..

1. 신경망 개념 인간의 뉴런 체계를 모사 1-1. 인간의 뇌와 신경망 (1) 인간 뇌의 특징 - 1000억 개의 뉴런과 각 뉴런을 연결하는 100조 개의 시냅스의 결합체 - 뉴런은 기본적인 정보처리 단위 - 정보는 신경망 전체에 동시에 저장되고 처리 - 학습에 따라 ‘오답으로 이끄는 뉴런들 사이의 연결은 약화되고, ‘정답’으로 이끄는 연결은 강화 (2) 신경망Neural Network - 인간 뇌를 기반으로 한 추론 모델 - 인간 뇌의 적응성을 활용하여 ‘학습 능력’을 구현함 - 신경망은 뉴런이라는 아주 단순하지만 내부적으로 매우 복합하게 연결된 프로세스들로 이루어져 있음 - 뉴런은 가중치 있는 링크들로 연결 (3) 기계학습과 신경망 기계학습이란 인간이 가지고 있는 학습 능력을 로봇이나 컴퓨터에서 실현..

1. 다중선형회귀Multi variable Linear Regression 1-1. 개념 특징값이 여러개로 표현된 입력 데이터에 대해 실수값을 출력하는 연속함수의 선형관계를 학습한다. 정답과 특징이 각각 하나씩일 경우에는 2차원 공간에 선형관계를 표현할 수 있으나, 특징이 2개 이상일 경우에는 다차원상에서 표현해야 한다. 1-2. 가설 표현 각 특징을 중심으로 정답 간의 관계를 2차원 평면으로 분리하면 서로 다른 기울기를 가진 직선으로 표현할 수 있다. 즉 다차원에서 표현되는 다중 선형 회귀는 각 특징을 표현하는 축의 기울기를 모두 구하여 결합해야 한다. 위의 그림에서 가격을 H, 아파트 평수를 X1, 전철역과 거리를 X2라고 둘 때, H = w1X1 + w2X2 + b 가 된다. 가설 검증 및 수정 과..

1. 개요 1-1. 문서 분류 Document Classification (1) 특정 연설문을 주고 어떤 후보의 것인지 분류하는 것. 두 명 중 하나의 것으로 분류한다면 binary. (2) 특정 기사를 주고 어느 종류의 뉴스인지 분류하는 것. 분류할 수 있는 결과가 많다면 binary 여러개의 조합으로 할 수 있다. 1-2. 자동 분류 Automatic Classification 여기서는 이미지나 영상 분류는 일반적으로 딥러닝에서 쓰이기 때문에 텍스트에 치중한다. 문서 자동 분류는 전통적인 머신러닝 문제이다. 훈련과 예측 두 개의 단계로 나눌 수 있다. 1단계, 학습에서는 훈련training이 목적으로, 학습learning을 수행한다. 2단계, 예측에서는 예측prediction이 목적으로, 분류clas..

1. Support Vector Machines 서포트 벡터를 사용하는 방법. 아주 강력하고 많이 쓰이는 방법이다. 복잡한 비선형 함수(로지스틱 회귀 등)를 학습하는 더 깔끔하고 강력한 방법을 제공한다. SVM의 가장 큰 특징 두 가지는 목표objective를 최적화한다는 것과 큰 마진을 가지는 분류기라는 것이다. 2. Optimization Objectives 2-1. 로지스틱 회귀와의 비교 로지스틱 회귀는 1과 0으로 분류하고 y=1로 분류하려면 hΘ(x)는 대략 1이어야 하고, Θ^T는 0보다 커야 한다. y=0으로 분류하려면 hΘ(x)는 대략 0이고, Θ^T는 0보다 작다. 이때 1로 분류하는 비용함수를 Cost1, 0으로 분류하는 비용함수를 Cost0라고 하면, 로지스틱 회귀의 식은 왼쪽, SV..

https://teamnova0410-dev.tistory.com/2 불러오는 중입니다... 요약: 보통 실수 때문에 발생하니까 오타 확인해보고 없으면 리빌드

https://paskov.vmsoft-bg.com/recompile-with-xlint-in-android-studio/ Recompile with -Xlint in Android studio - Life of a software developer Staying out of deprecated methods is useful, so your app won't run in some compatibility mode on the device. Plus having clean build output is also nice :) While building an app, Gradle may produces some warnings telling you that some input files are using p..

https://stackoverflow.com/questions/36484074/is-shouldoverrideurlloading-really-deprecated-what-can-i-use-instead Is `shouldOverrideUrlLoading` really deprecated? What can I use instead? Is "shouldOverrideUrlLoading" really deprecated? If so, what can I use instead? It seems like shouldOverrideUrlLoading is deprecated targeting Android N and I need to make an app work since API 19... stackoverfl..

1. 로지스틱 회귀 1-1. 분류 이메일을 스팸과 일반 메일로 구분하고, 온라인 상거래의 이상치를 검토하고, 종양이 양성인지 음성인지 분류해주는 예제를 보아 왔다. 이처럼, 분류에서 종속 변수 y는 0과 1 중에 하나가 되었다. 0은 부정적이고, 1은 긍정적인 경우, 단 두 가지로 말이다. 그런데 이때, y가 두 개가 아니라 여러 개로 분류되는 것을 multiclass problem이라고 부른다. 1-2. 선형회귀Linear Regression의 문제점 위와 같은 분류를 선형회귀로 나타내면 어떻게 될까? 위의 분류기는 임계값 분류기Threshold classifier로, 임계치 이상의 값은 a, 아닌 것은 b 와 같은 식으로 분류를 수행한다. 만약 임계값 분류기 hΘ(x)가 0.5보다 크거나 같으면 y는..

1. 다중 선형 회귀 multivariate linear regression 1-1. 개념 독립변수가 하나인 선형회귀는 단변량 선형 회귀라고 말했다. 독립변수, 즉 피처가 늘어날 수 있다. 예를 들어, 위 그림과 같은 경우는 기본 가격은 80 정도이고, 평수의 10% 가량 가격이 올라가고, ..., 지어진지 오래됐을 수록 가격이 떨어진다면 ℎΘ(x) = 80 + 0.1x1 + 0.01x2+ 3x3 - 2x4x 정도로 표현할 수 있다. 이처럼 독립변수를 여러개로 확장한 선형회귀를 '다중선형회귀'라고 한다. 일반적인 표기로 hΘ(x)=Θ0 + Θ1x1 + Θ2x2 + ... + Θn4xn 와 같이 표현할 수 있다. 이때 표기의 간편함을 위해 x0=1로 두어 hΘ(x)=Θ0x0 + Θ1x1 + Θ2x2 + ...