(한국어 번역 by 박세민)
이 강의는 Stanford Center for Professional
Development에 의해 전달되었습니다.
.
오늘 할 이야기는 여러 종류의 Learning algorithm에 대한
것입니다. 특히,
generative learning algorithms에 대해
먼저 이야기 하고
Gaussian Discriminant Analysis(GDA)라고
불리는 알고리즘에 대해 이야기 할 거에요.
잠깐 옆길로 빠져서 Gaussian에 대해 이야기 할 것이고,
그 후 간단히 Generative와 Discriminative
learning algorithm에 대한 비교를 할 거에요.
그리고 Naive Bayses랑 Laplace Smoothing에 대해
이야기하면서 강의를 마무리 짓기를 희망합니다.
.
Generative learning algorithm 논의의 동기 유발을
위해
이전까지 이야기 했던 Classification algorithm과 대조해
보기로 하죠.
이전까지 이야기 했던 Classification algorithm과 대조해
보기로 하죠.
이런걸 하는 알고리즘을 생각해봅시다. 트래이닝 셋이 주어지고
그리고
알고리즘을 맞게 돌린다면 , logistic regression을
이 트레이닝 세트에 사용한다고 하였을 때,
제가 생각하는 logistic regression은 데이터에서
엑스표와 동그라미를 구분해주는 직선을 찾는 과정이에요. 즉, 일종의
직선을 찾기위한 노력이죠.
노이즈를 살짝 넣을게요.
직선을 찾는건데
that separates out
the possitive and negative classes
as well as possible