해당 글은 코드잇 강의를 참고하여 작성되었습니다.
- 함수
- 하나의 input값에 하나의 output이 나온다.
- 그래프
- 수학식을 시각적으로 표현하는 방법
- 평균 변화율
- y증가량/x증가량(특정 구간에서)
- 순간 변화율
- 평균변화율을 무한대로 보내 계산 (극한)
- 미분
- 함수를 미분하면 순간 변화율을 구할 수 있다.
- 가장 가파른 방향(2차원)
- 기울기 : 그래프가 해당 지점에서 얼마나 기울어져 있는지, 어떤 방향으로 가야 가장 가파르게 올라갈 수 있는지
- 극소점, 극대점
- 극소점 : 기울기가 음수에서 양수로 변화
- 극대점 : 기울기가 양수에서 음수로 변화
- 안장점 : 기울기는 0이지만 같은 방향으로 나아간다.
- 고차원에서 미분
- 편미분 : 함수를 변수 하나에 대해서만 미분 → 나머지 변수는 상수취급
- 가장 가파른 방향(고차원)
- f(1,1)에서
- 머신 러닝에 미분이 필요한 이유
- 성능을 평가하고 최적화하는 기준이 함수로 표현되기 때문에 필요하다. (극소/극대 활용)
'데이터 > 머신러닝' 카테고리의 다른 글
2.3 다항 회귀(Polynomial Regression) (0) | 2021.07.22 |
---|---|
2.2 다중 선형 회귀(Multiple Linear Regression) (0) | 2021.07.22 |
2.1 선형 회귀(Linear Regression) (0) | 2021.07.21 |
1.2 선형대수학 필요한 만큼만 배우기 (0) | 2021.07.20 |
1.1 머신러닝이란? (0) | 2021.07.15 |