출처: KQTI 오늘은 기본적인 데이터의 종류에 대해서 알아보도록 하겠습니다. 데이터의 종류를 알아보는 것은 데이터 수집시 어떤 유형으로 수집하는 것이 좋은지를 설정하는 것부터 분석이나 시각화를 하는 것까지 데이터 유형에 따라 달라지므로 할 수 있는 것이 있고, 없는 것도 있습니다. 따라서 구분 할 수 있는 것이 상당히 중요하겠죠? 데이터 분석과 시각화의 관점에서 봤을 때 중요한 데이터 유형은 크게 두가지로 나눌 수 있습니다. 크게는 범주형과 수치형으로 나뉘게 되고 세부적으로는 범주형은 명목형과 순서형, 수치형은 이산형과 연속형으로 나뉘게 됩니다. 개별로 한번 알아볼까요? 첫째, 명목형 데이터 (Nominal Data) 명목형 데이터는 Nominal 이라는 이름에서도 알 수 있듯 여러 카테고리들 중 하나..

출처: https://sacko.tistory.com/47?category=630831 또 시그모이드 함수가 예로 나온다. 유리함수는 시그모이드 함수 같이 분모에 x라는 미지수가 들어있는 다항식 형태로 되어있는 함수가 있다. 분수함수라고도 한다는데 미분과 극학에서 많이 사용된다고 한다. 문과생을 위한 딥러닝 수학 - 기본편 (3) 유리함수, 무리함수 5. 유리함수 1) 유리함수 정의 분수함수는 분모가 다항식의 형태로 되어 있다. 유리함수 중에는 분모에 미지수가 들어가 있는 분수 함수 등이 포함된다. 그리고 이는 미분과 극한에 많이 사용된다. 극한은 어디에 가까워지냐고 했을 때 lm 1/x = 0 x는 0에 가까워진다고 할 수 있다. 2) 유리함수 수직 점근선, 사점근선 이런 그래프는 살면서 처음본다.....

출처: 아이리포 관계의 이해 선형관계는 위와 같이 우측으로 가면서 높아지는 양의 선형관계와 반대로 우측으로 가면서 낮아지는 음의 선형관계가 있다. 단조관계는 독립변수와 종속변수가 동시에 증가하기는 하지만 같은 비율로 증가하지 않는다는 것을 확인할 수 있다. 회귀분석은 이와 같이 독립변수와 종속변수의 개수 또는 직선의 상관관계인지 곡선의 상관관계인지에 따라 다양한 유형으로 분류된다.

출처: https://sacko.tistory.com/40?category=630831 딥러닝 신경망 학습에서 시그모이드 함수(Sigmoid Function)를 활성화함수로 사용한다. 시그모이드 함수는 1/1+exp(-x) 로 나타나는데 여기서 exp(-x) exponential function으로 자연상수e(약2.71)에 대한 지수함수를 의미한다. exp(-2)일 경우 약 2.71의 제곱.. 시그모이드 함수의 사용 이유는 비선형적으로 출력값을 매끄럽게 하기 위한 것이며 자세한 내용은 지난 포스팅을 참고하면 된다. 왜 밑을 e인 자연로그함수를 사용하는가 하냐면 큰 수의 복잡한 계산을 할 때 계산을 단수화하기 위해서 사용된다. 특히 자연로그를 사용했을 때 미적분의 계산이 간편하다고 한다. 기울기를 계산하거..

출처: 아이리포 독립 변수와 종속 변수의 차이점.

출처: 아이리포 Regression 사전 뜻 --> 퇴행, 퇴보; 회귀 ---> Input(x) , output(y) 값을 계속적으로 확인하여 분석 회귀 사전 뜻 --> 한 바퀴 돌아 제자리로 돌아오거나 돌아감. Correaltion 사전 뜻 --> 연관성, 상관관계 ---> 변수간의 어떤 연관성이 있는지 분석

출처: 아이리포 데이터 분석 > 데이터 마이닝 데이터 분석 안에 데이터 마이닝이 포함됨

출처: https://sacko.tistory.com/31?category=630831 미적분을 하기 위해서는 그 기본인 함수를 알아야 하며 함수는 우리가 프로그래밍에서 입력과 출력 사이에 무언가를 해주는 기능(function)으로 봐도 무방하며 이를 수식으로서 수학에서는 표현한다. 좌표평면 상에서 기하학적인 관점에서 함수를 보도록 해야 하며 일차함수는 우리가 회귀분석에서 사용하는 회귀식, 퍼셉트론에서 다루었던 선형분류식이 결국은 오늘 다룬 1차함수에서 출발한다는 것을 알아야 한다. 물론 그 이후에 문제를 해결하는 과정에서 함수가 사용되기도 하고, 데이터의 분포를 계산할 때도 사용된다. 함수는 기계학습 분야에서 가장 중요하며 지금은 고등학교 수학차원이지만 결국 다시 여기로 돌아와야 미적분에 접근할 수 있..

출처: https://sacko.tistory.com/25?category=630831 방정식을 넘어서 연립방정식 그리고 부등호를 이번 포스팅에서 다룬다. 기계학습을 공부하다보면 아래와 같은 Lidge/Lasso의 그래프를 보기도 하고 미적분과 관련된 많은 수식을 보게 된다. 딥러닝으로 넘어가면 순서와 방향이 있는 벡터를 다루기 때문에 좌표평면 또는 어떤 다차원 공간 안에서 데이터가 표현되기 때문에 어떤 영역들을 계산하기도 한다 이번 장에서 다루는 내용들은 그것들을 위해 정리하는 기초적인 내용이다 문과생을 위한 딥러닝 수학 - 쌩기초편 (4) 연립방정식 1. 연립방정식 주어진 식을 동시에 만족하는 해(근)을 구함 가감법, 대입법을 이용하여 미지수를 소거한 후 방정식을 품 공학수학이나 선형대수를 배울 때 ..

출처: https://sacko.tistory.com/23?category=630831 지난 시간에는 곱셈공식과 인수분해를 정리했다. 이 둘은 방정식을 풀기 위해서 식을 계산하는데 많은 도움을 주는 내용들이다. 아직까지는 중학교 수준의 수학이지만 천천히 다시 예전에 배웠던 것들을 떠올리면서 하려고 한다. 공부하는 목적은 미적분을 해내기 위함이기 때문에 아직은 중학교 때 배운 내용이라 쉽지만 최대한 그 연결성을 생각하고 내용들을 정리하려고 한다. 문과생을 위한 딥러닝 수학 - 쌩기초편 (3) 방정식 1. 등식의 성질 A = B ⇔ A ± ★ = B ± ★ ⇔ A × ★ = B × ★ 2. 일차방정식 ax + b = 0 (a ≠ 0) (1) 괄호가 있으면 괄호를 먼저 푼다. (2) 계수가 소수 또는 분수인 ..