Jin's Study

- 회귀(Regression)이란?독립변수와 종속변수 간의 상관관계를 모델링하는 통계학적 기법독립변수 : 원인변수종속변수 : 예측하려는 값일반적으로 회귀는 예측과 분류문제에서 사용됨 - Linear Regression두 변수 간의 관계를 직선으로 나타내며, 독립변수가 종속변수에 어떻게 영향을 미치는지 예측하는 통계적 기법한 변수가 변할 때 다른 변수가 어떻게 변하는지 예측Linear Regression의 목표 : 학습데이터를 가장 잘 표현하는 직선 라인 찾는 것 - 기본 선형회귀 식y = H(x) = Wx + b'w' : Weight (가중치)'b' : Bias (편향)'x' : Input (입력) - 예측 문제기존 데이터를 기반으로 새로운 데이터에 대한 종속변수 값을 예측독립변수 - 종속변수 간 관계식..

- 비지도 학습 (Unsupervised Learning)비지도 학습이란 정답(Label)이 없는 데이터를 학습하는 방법군집화(clustering)는 비지도 학습의 가장 잘 알려진 방법이다이외에 차원 축소, 생성 모델 등 다양한 방법들이 있다. - Clustering라벨이 없는 데이터들 내에서 비슷한 특징이나 패턴을 가진 데이터들 끼리 군집화한 후 새로운 데이터가 어떤 군집에 속하는지 추론하는 방법클러스터링의 대표적인 알고리즘은 K-means clustering이 있다.- K-means ClusteringK 값이 주어져 있을 때, 주어진 n개의 데이터들을 k개의 클러스터로 묶는 알고리즘K는 군집의 수(number of cluster)를 의미하고 means는 평균을 의미한다.데이터의 평균을 활용하여 K개의..

- 분류(Classification)란?새로운 데이터가 입력되었을 때, 입력데이터에 대해서 소속을 찾는 것을 분류라고 한다- 최근접 이웃(Nearest Neighbor)새로 입력된 데이터는 기존에 있는 값들 중에서 가장 비슷한 것(가까운 것 : Nearest Neighbor)으로 분류할 수 있다.- Euclidean Distance유사한 정도(거리)를 어떻게 구함? => Euclidean DistanceEuclidean DistanceN차원의 공간에서 두 점 사이의 거리Distance =Idea새로 입력된 데이터는 기존에 있는 값들 중에서 가장 비슷한 것 (가까운 것 : Nearest Neighbor)으로 분류할 수 있다.     - 문제점Noisy Samples 발생서로 다른 종류의 데이터라도 분포가 ..

- Sequential Data특정 순서를 가지는 데이터 (EX. 쇼핑몰 구매 목록, 영화 시청 목록)  B가 발생할 확률? - Forecasting ProblemN discrete states 중 하나의 상태를 갖는 시스템을 고려정의된 상태는 랜덤으로 변하는 stochastic systems이라고 가정이때 joint distribution은 거의 계산 불가능p(q₀, q₁, ... qₜ) = P(q₀)P(q₁|q₀)P(q₂|q₁q₀)P(q₃|q₂q₁q₀)... 특정 상태의 확률 값은 이전 상태의 확률 값을 알면 구할 수 있다. - 과거의 모든 상태를 구하는 것은 거의 불가능 하다. - Markov PropertyMarkovian property다음 미래의 상태는 오직 현재 상태에 영향만 받는다(가정)P..

- 탐색(Search)란?주어진 조건을 만족하는 데이터를 찾아내는 것 A game of tic-tac-toe between two players, "MAX" and "MIN"MAX (X) 플레이어가 이기면 +1점을 주고, X플레이어에 대해서는 최대값으로 가게끔 학습MIN (O) 플레이어가 이기면 -1점을 주고, O플레이어에 대해서는 최소값으로 가게끔 학습 MINIMAX 알고리즘은 최대,최소 전략을 사용하여 게임이론과 인공지능에서 사용되는 의사 결정 알고리즘이다. 완전 정보 게임에서 최적의 수를 찾는 데 사용된다. 주로 체스, 장기, 오목, 틱택토 같은 턴 기반 전략 게임에서 활용된다.tic-tac-toe를 해결하려 mimimax알고리즘을 실행할 때 모든 미래의 상태를 시각화하여 작동하고 이를 트리 형태로..

- Fuzzy의 정의Fuzzy - "not clear, not distinct, or not precise; blurred"퍼지 논리란 명확하게 정의될 수 없는 지식을 표현하는 방법 명제논리참과 거짓(1 또는 0)이 확실하게 구분되는 논리 - 흑백논리퍼지논리불분명한 상태, 모호한 상태를 표현하는 논리0.0 에서 1.0 까지의 진리값을 가진다.경계가 불분명한 척도를 나타낼 때 사용 Why 논리?퍼지 논리는 0과 1의 최소/최대 값을 갖고 논리를 표현하기 때문대신 0과 1사이에 연속된 논리값을 허용, 즉 어떤 대상이 동시에 참이면서 거짓인 경우를 허용함 - 퍼지 집합집합 - 추상적 대상들의 모임크리스프 집합(Crisp Set) - 고전적인 집합으로 참/거짓을 사용하여 속하는지 속하지 않는지를 분명하게 표현 ..

- 기존 전문가 시스템의 한계데이터의 불확실성 - 센서로부터 얻는 데이터는 장치의 측정 오류나 오차 때문에 완전하지 못하다.지식의 불완전성 - 전문가로부터 얻는 지식은 완전하지 않을 수 있다.전문가들의 관점이 다른 경우 - 전문가들마다 의견이 다를 수 있다.정보 획득의 불완전성 - 정보 자체를 모두 수집하거나 처리할 수 없기 때문에 불확실성이 발생한다.부정확한 언어 - 인간이 사용하는 자연어에는 모호한 단어가 많다. - 확률의 정의확률은 빈도론적 확률과 베이지안으로 분류할 수 있다.빈도론 : 반복적인 사건의 빈도베이지안 : 확률을 '주장에 대한 신뢰도'로 해석확률이란? - 동일한 시행을 무한 반복했을 때 관심있는 사건의 발생 빈도 (관심있는 사건 발생 횟수 / 전체 시행 횟수)베이지안 확률(Bayesia..

- 전문가 시스템 개발의 배경인공지능의 초창기에는 이 세상에 존재하는 모든 문제를 "탐색"으로 해결할 수 있는 시스템을 만들고자 노력하였다.GPS(General Problem Solver)와 같은 시스템은 매우 제한된 영역에서만 작동이 가능하였다.실제적인 문제를 해결하기 위해 인공지능 연구자들은 보다 제한된 문제에 역량을 집중하는 것이 필요하다는 것을 깨달았다. -> 전문가 시스템(expert system) - 전문가 시스템의 의의 전문가 시스템은 기존의 절차적 코드가 아니라, 규칙으로 표현되는 지식을 통해 추론함으로써 복잡한 문제를 해결하도록 설계되었다.전문가 시스템은 인공지능(AI) 소프트웨어의 최초의 성공적인 형태 - 전문가 시스템 예시(MYCIN)MYCIN은 박테리아 감염을 진단하고 적절한 항생제..