크크루쿠쿠

What is the learning? loss(MSE)를 최소화하는 w를 찾는것! 그렇담 어떻게 찾아야할까? Gradient Descent algorithm 편미분을 사용한다! 편미분을 사용해서 w값을 점점더 loss의 minimum값으로 이동시켜줌 이때 편미분값을 이용하여 한번 이동시 얼만큼 이동하느냐? 에 사용되는 parameter인 알파 즉 learning rate가 사용된다. Code 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 # Training Data x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0, 6..

Supervised learning → dataset에 y값 즉 답이 주어져 있을 경우의 학습! Model design 방정식 형태로 w 라는 weight와 b라는 bias가 구성되어있음 → x와 y의 관계를 나타냄 예시에서는 간단히 b를 없애고 시작한다. w를 임의로 추측한다. MSE 학습시 나오는 loss를 나타내는 대표적인 function loss가 최소가 되는 w를 찾아야함!! N → all data 를 뜻한다. 앞의 예시에서의 MSE를 나타내는 표 예시 코드 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 import nump..

꽤나 전에 풀었던 문제같은데 갑자기 기억이 난 문제라 남겨본다. 코드를 조금 더 간결하게 할수 있을거 같은데 아직 능력이 조금 부족한것 같다. def rotate(array, n): #돌리는 함수 return array[-n:]+array[:-n] def gear_turn(gears,numbers): #어느 톱니가 돌지 먼저 체크후에 한번에 돌림 for i in numbers: turn=[0,0,0,0] #돌아야 하는지 여부 clock=[0,0,0,0]#돌 방향 k=i[0]-1 l=i[1] turn[k]=1 clock[k]=l #입력받은 돌릴꺼 while k0 : #왼쪽 톱니들 회전 체크 if gears[k][6]!=gears[k-1][2]: k-=1 l*=-1 turn[k]=1 clock[k]=l el..