코딩복습장

이번 시간에는 Underfitting과 Overfitting 그리고 대응방안에 대해 알아볼 것이다.   우선 우리는 국경을 그리는 문제를 생각해볼 것이다.  case 1을 살펴보자  우리는 간단하게 직선으로 국경을 나누는 방식을 생각해볼 수 있다.  하지만 국경이 잘 나뉘어졌다고는 볼 수 없을 것이다.  case2 이번에는 나라들이 완벽하게 분리되도록 선을 그었다.  물론 분류는 완벽하게 되었지만 과연 잘 분류했다고 볼 수 있을까?  아닐 것이다.  몇개의 다른 좌표를 지정했을때 분류가 틀릴 가능성이 높을 것이다. -> 일반화 실패 case 3 이번에는 어느정도 국경을 잘 분리함과 동시에 일반화를 챙겼다.  다른 데이터가 들어와도 대부분 맞출 것이다. 이때 case1을 underfitting되었다고 하고..

오늘은 leetcode문제를 리뷰해보려고 한다.  이 문제는 linked list를 사용해서 덧셈연산을 하는 문제이다. 나는 제출형식을 맞추는 것에 애를 먹었다. 문제에서는 linked list를 만드는 ListNode class가 있다고 가정한 다음 문제를 풀기 시작한다. 그리고 링크드 리스트를 받은 다음 합의 링크드 리스트를 만들어서 return해주면 된다. 나는 문제의 입력과 출력형식의 맞춰서 linked list와 list를 변환하는 함수까지 짜버렸다. 풀이방식은 간단하다. 1. 링크드 리스트의 값이 존재할때까지 while로 이동하면서 값을 더해준다. 2. while문 안에서 덧셈의 결과가 10이 넘는다면 다음 자리수를 carry변수에 저장하여 함께 더해준다. -> //10 연산자를 사용하여 ca..

이번 포스팅은 Logistic Regression에 대해서 다루려고 한다.  우리는 이전 포스팅에서 Linear Regression을 다뤘다.  Linear Regression에서 우리는 data에 모양 맞도록 선형 방정식을 수정해나가는 법을 배웠다.  이번시간에는 Linear Regression을 활용하여 Classification(분류)문제에 접근하는 방식에 대해 배워볼 것이다. Regression model은 크게 다음과 같이 분류할 수 있다.   이전에 우리는 Linear Regression에서 Single Variable을 가진 선형방정식을 사용했다.  이번엔 Multiple Variable을 가진 Regression도 다뤄볼 것이다.  Multiple Linear Regression의 수식과 ..

딥러닝의 기초가 부족하여 처음부터  기초를 탄탄히 쌓으려고 한다.  고고~!   우선 Linear regression에 대해 배워보려고 한다.  Linear: 그래프상에 표현되는 직선을 의미한다.  Regression: variable들의 관계를 추정하기 위해 process를 분석하는 것을 의미한다.  우리는 주어진 데이터를 이용하여 다음에 올 데이터의 값을 유추해야 한다.  그랬을때 어떤 선형 방정식을 그려서 데이터의 값을 예측해야 할까?  아마도 다음과 같은 그래프를 생각해볼 것이다.  그렇다면 어떻게 이 그래프를 생각해낸 것일까?  이 세가지 선 중에서는 어떤 선이 데이터를 가장 잘 표현한 선일까? A라고 생각할 것이다.   그렇다면 A, B 중에서는 어떤 그래프가 더 데이터를 잘 표현한 선일까? ..