딥러닝 1단계 <이진 분류>

<이진 분류>

https://www.edwith.org/deeplearningai1/lecture/34801/

[LECTURE] 이진 분류 : edwith

ex1) m개의 훈련 샘플의 훈련 세트가 있을 때,

훈련세트를 처리하는 익숙한 방법은 for문을 이용해 m개의 데이터를 일일이 보는 것

ex2) 보통 신경망의 계산 과정을 살펴볼 때,

정방향 패스 또는 정방향 전파 단계 뒤에 역방향 패스 또는 약방향 전파 단계 존재

 

- 신경망을 학습하는 계산 과정이 왜 정방향 전파와 역전파로 구성되어 있는지

 

- 로지스틱 회귀 : 이진 분류를 위한 알고리즘

Binary Classification

- 픽셀 강도 값들을 특성 벡터로 바꾸려면 모든 픽셀값을 입력될 특성 벡터 x의 한 열로 나열

- 픽셀값을 하나의 벡터를 펼치기 위해 주어진 사진에 대한 특성 벡터 x 정의

- 만약 64x64 픽셀의 이미지였다면 벡터 x의 전체 차원은 64x64x3 (rgb 행렬들의 원소를 모두 포함하고 있기 때문)

- 12288인 입력 특성 벡터 x의 차원을 n_x로 표현 (때로는 간결함을 위해 n)

 

- 이진 분류의 목표 : 입력된 사진을 나타내는 특성 벡터 x를 가지고 그에 대한 레이블 y가 1 아니면 0 (고양이 사진인지 아닌지)을 예측할 수 있는 분류기를 학습하는 것

- 훈련 샘플 (x, y)로 표기

- x는 n_x 차원 상의 특성 벡터

- m개의 훈련 샘플 : (x^(1), y^(1)) ~ (x^(m), y^(m))

- 벡터 x는 m개의 열과 n_x개의 행

- 레이블 y는 열로 표현하는 것이 편함

- 여러 훈련 샘플에 관한 데이터를 각각의 열로 놓는 것이 유용