Classification 분류는 class를 예측하는 것 어떤 text를 입력했을 때, 어떤 class에 속하는지 예측하는 것 즉, 예측해야 할 대상(class)이 정해져있다. discrete한 값이 ouptut 미리 정의된 가능성이 있는 여러 클래스 레이블 중 하나를 예측하는 것 중간이 없다 classification의 종류 1. binary classification - 예측할 class가 2가지인 경우 2. multi-class classification - 예측할 class가 여러가지인 경우 Binary Classification output을 T / F, 앞 / 뒤와 같이 두가지 그룹으로 분류하는 것 output y가 binary한 0 / 1 로 나옴 → Output layer에 Activat..

Odds 확률 p에 대한 odds $O=\dfrac{p}{1-p}$ 실패비율 대비 성공비율을 설명하는 것 Logit 확률 p의 logit $l=\log \left( \dfrac{p}{1-p}\right) $ 즉, odds에 log를 씌운 것 ( log + odds ) odds는 1보다 큰 지, logit은 0보다 큰지가 결정의 기준 logit의 역함수는 sigmoid $l=\log \left( \dfrac{p}{1-p}\right) $ $e^{e}=\dfrac{p}{1-p}$ $\dfrac{1}{0^{1}}=\dfrac{1-p}{p}=\dfrac{1}{p}-1$ $\dfrac{1}{e^{l}}+1=\dfrac{1}{p}$ $\dfrac{e^{l}+1}{e^{l}}=\dfrac{1}{p}$ $p=\dfra..

Tensor Zeroth- order Tensor ( 0차원 텐서 ) = scalar First-order Tensor(1차원 텐서) = vector Second-order Tensor( 2차원 텐서) = matrix ※ 위와 같이 나눌 수 있으나, 모두 Tensor로 표현 가능 데이터의 배열, 다차원의 배열을 통칭 scalar, vector, matrix를 general하게 표현한 것 Dataset $\overrightarrow{X}^{T}=\left( x_{1}x_{2}\ldots x_{l_{I}}\right) $ 주로 column형식의 벡터로 표현 $X^{T}=\begin{pmatrix} X^{\left( 1\right) } \\ \chi ^{\left( 2\right) } \\ : \\ X^{(N..