lecture2 linear classifier

1.Linear classifier

 - parametric approach

 - tablular data

 - 학습을 한다는 것은?

 - 성능이 쓸만한가? No

 

 

1.inear Classifier 선형 분류기

 - neural network 를 block 처럼 쌓는방식

 - input 784 > [784x100][100x30][30x10] > output 10 // matrix의 행렬 숫자만 맞추어주면 블록처럼 계속 쌓을 수 있다

 

 

# parametric approache vs non-parametric

입력된 변수 x 만으로 데이터 처리를 하면 non-parametic // 평균값 계산은 non-parametric

입력된 변수 x 와 별도의 변수 W 로 데이터 처리하면 parametric // linear classifer

 

 

# tabular data 란? 테이블 형식의 데이터, 이미지도 포함됨.

 

 

# linear classifer 를 학습시킨다는 것은 

- 고양이를 잘 인식하고 싶다면 cat score를 maximize 해야하는데,

- 그 계산식은 (0.2*56 + -0.5*231 + 0.1*24 + 2.0*2) + (1.1) 이렇게 되는데

- 고양이 이미지의 특징 column [56 231 24 2] 중 가장 큰 231 을 극대화하기 위해

- 고양이 weight parameter [0.2 -0.5 0.1 2.0] 중 -0.5 를 최대값으로 update 해준다면

- 고양이 특징을 극대화하는 parameter 를 찾아낸다는 의미

 

 

# 성능이 쓸만한가?

- 쓸만하다는 소리를 들으려면, 다른 class 들과의 socre 가 차이가 커야하는데, 아래 표에서는 그렇지 못하다.