AI와 데이터의 모든 것

( ) 소괄호는 초과, 미만을 표현하는 기호. [ ] 대괄호는 이상, 이하를 표현하는 기호. (0, 10) : 0초과 10미만 = 0 < x < 10 (0, 5] : 0초과 5이하 = 0 < x ≤ 5 [0, 20) : 0이상, 20미만 = 0 ≤ x < 20 기호가 헷갈릴 때가 있는데, 대괄호가 더 크다!는 의미니까 대괄호가 있는건 더 많은 수를 포괄할 수 있다(는 연상법으로) = 이상, 이하를 의미한다. 소괄호는 작기때문에 수의 범위도 더 작다(고 연상하여) = 초과, 미만의 범위다라고 생각하면 쉽게 외워질듯하다.

현실의 문제는 해가 정확히 1개가 존재하는, 유일한 해가 있는 방정식으로 풀기 어려운 것이 대부분입니다. 따라서, 우리는 정확히 매칭되는 정답이 아닌, 근사해(approximated solution)를 구해야합니다. 근사해를 구하기 위해 우리는 최소자승법 (또는 최소제곱법)을 적용하여 회귀분석을 하고, 식을 얻을 수 있습니다. (최소자승법은 영어로 Least Squares Method, Least squares,Least squaresapproximation라고 할 수 있습니다.) 최소 제곱법에서 근사해를 구하는 것은 아래의 3가지와 같습니다. 해가 정확히 일치하지는 않지만, 실제값과의 차이가 별로 나지 않는 해를 구하는 것 실제값과 예측값의 오차가 최소화되는 것 실제값과 가장 가까운 예측값을 구하는 것..

Norm (노름) : 벡터의 절대적인 크기. 또는 두 벡터 간의 거리. 기호로는 || X || 라고 표시한다. (X는 벡터) Norm의 차수 : Lp-norm, p-norm이라고 표현하고, 이때 p가 norm의 차수이다. * 위키백과 L1 norm p = 1 맨해튼 거리 각 요소(의 차이)에 대한 절대값을 취해 모두 더한 값 (절대적인 값) 절대값을 취하기 때문에, 이상치(outliers)에도 덜 민감하다. 예시 : 격자 모양의 도로망에서 최단 거리를 구하는 방식 딥러닝에서의 활용예시 : L1 loss = 실제값과 예측값의 차이에 대한 절대값의 합. L1 loss의 평균 = MAE (Mean Absolute Error) L2 norm p = 2 유클리디안 거리 각 요소(의 차이)에 대해 제곱을 취해 모두..

오랜만에 본 수학...다 까먹었던 미분개념정리!

끝!

제목이 헷갈린다. 나는 이렇게 해석하겠다! 증명 : 부분공간의 어떤 기저든 원소의 개수는 같다. * Cardinality (카디널리티) : 집합의 원소의 개수 * 활용 예시로, SQL에서는 특정 DB 테이블의 특정 열(컬럼) 데이터 집합의 유니크(Unique) 값을 Cardinality라고도 함.

- 지난 블로그 글(23)에 이어지는 내용 - 공식1, 2는 (12), (13) 블로그 글을 참고하면 된다.