2021-01-18 TIL

in TIL on 머신러닝, 딥러닝, 기계 학습

기계 학습

  • 관찰된 데이터로 우리가 가설(모델의 형태)을 선택해야 되며, 선택한 모델에 따라 매개 변수가 달라지는 이유를 알게 되었다.
  • 데이터 x의 차원의 수는 특징이라는 점과, x가 이미지(MNIST 등)일 경우 특징은 한 픽셀을 나타낸다는 점을 배웠다.
  • 모델의 차수가 증가하면 매개변수가 급증하는 것을 알 수 있었다.
  • 유클리드 거리는 차원에 무관하게 수식이 적용된다는 것을 알게 되었다.
  • 기존의 공간을 바꿔서 심플한 규칙을 찾게끔 만들어 주는 학습이 심층 학습, 표현 학습이라는 것을 알게되었다. 그리고 상위 layer일수록 왜 추상화가 진행되는 지가 이해되었다.