Lecture 2 "Supervised Learning Setup Continued" -Cornell CS4780 SP17
Lecture 2 "Supervised Learning Setup Continued" by Cornell CS4780, Machine Learning for Decision Making SP17 * 부족한 영어 실력으로 잘못된 해석이 있을 수 있습니다. 수정이 필요한 부분이 있다면 알려주시면 감사하겠습니다. 개요 Supervised Learning Setup ( continue ) Train and Test H ( hypothesis class ) and Algorithm TA ( Terrible Algorithm ) Cases Loss Function Generalization 1. Supervised Learning Setup ( continue ) (x៷,y៷) ~ P 우리는 P(y|x)를 모르며, 그래서 ML을 통해 알고자 하는 것입니다. 동일 분포를 가지는 환경에서 수행이 되어야 한다고 강조하고 있습니다. ( IID 참고 ) 노키아 사례를 통해 "동일 분포" 구성이 얼마나 중요한지 알수 있습니다. 사진 촬영시 얼굴인식을 통한 부가기능을 제공함. 얼굴 인식시 사용한 데이터가 "백인"이 아니였음. 미국 유저들에게서 "얼굴인식"이 잘 되지 않는 문제 발생. Example : Facial Recognize in Image 각 pixel 은 RGB( Red / Green / Blue ) 의 데이터로 구성됨 1장의 Image는 화소에 따라, 6M 개의 pixel 을 가짐 1장의 Image를 x = { ... } 로 표현한다면, 6M * 3 (RGB) = 18M 의 실수형 데이터 조합으로 표현가능 Dense / Sparse Dense : 전체 공간에 데이터가 빽빽하게 차 있는 경우 ( 극히 일부 데이터가 0 ) Sparse : 전체 공간에 비해 데이터가 희소한 경우 ( 대부분의 데이터가 0 ) ...
