https://mediawiki.zeropage.org/api.php?action=feedcontributions&feedformat=atom&user=14.63.105.64 2026-05-15T19:22:22Z User contributions MediaWiki 1.39.8 https://mediawiki.zeropage.org/index.php?title=%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D%EC%8A%A4%ED%84%B0%EB%94%94/2016/2016_07_16&diff=50323 2016-07-23T06:44:12Z

<p>14.63.105.64: </p> <hr /> <div>&amp;#91;&amp;#91;pagelist(^(머신러닝스터디/2016))&amp;#93;&amp;#93;<br /> == 내용 ==<br /> * [https://en.wikipedia.org/wiki/Support_vector_machine SVM]; Support Vector Machine<br /> ** Also known as Large Margin Classification<br /> ** 클러스터를 나눌 때 가장 큰 마진을 가지는 hyperplane 을 찾는다. [https://en.wikipedia.org/wiki/Support_vector_machine#/media/File:Svm_max_sep_hyperplane_with_margin.png 참고]<br /> <br /> * Kernel method<br /> ** similarity function<br /> ** 데이터들의 유사도 계산의 편이를 위해 dimension을 변형한다.<br /> ** 종류<br /> ** gaussian function<br /> <br /> * Deep Learning과의 차이점<br /> ** Deep Learning은 SVM과 달리 kernel trick이 필요하지 않다.<br /> == 다음 시간에는 ==<br /> == 더 보기 ==<br /> </div>

14.63.105.64 https://mediawiki.zeropage.org/index.php?title=%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D%EC%8A%A4%ED%84%B0%EB%94%94/2016/2016_07_16&diff=50322 2016-07-23T06:42:52Z

<p>14.63.105.64: </p> <hr /> <div>&amp;#91;&amp;#91;pagelist(^(머신러닝스터디/2016))&amp;#93;&amp;#93;<br /> == 내용 ==<br /> * [https://en.wikipedia.org/wiki/Support_vector_machine SVM]; Support Vector Machine<br /> ** Also known as Large Margin Classification<br /> ** 클러스터를 나눌 때 가장 큰 마진을 가지는 hyperplane 을 찾는다. [https://en.wikipedia.org/wiki/Support_vector_machine#/media/File:Svm_max_sep_hyperplane_with_margin.png 참고]<br /> <br /> * Kernel method<br /> ** similarity function<br /> ** 데이터들의 유사도 계산의 편이를 위해 dimension을 변형한다.<br /> ** 종류<br /> ** gaussian function<br /> <br /> * Deep Learning과의 차이점<br /> == 다음 시간에는 ==<br /> == 더 보기 ==<br /> </div>

14.63.105.64 https://mediawiki.zeropage.org/index.php?title=%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D%EC%8A%A4%ED%84%B0%EB%94%94/2016/2016_07_16&diff=50321 2016-07-23T06:42:44Z

<p>14.63.105.64: </p> <hr /> <div>&amp;#91;&amp;#91;pagelist(^(머신러닝스터디/2016))&amp;#93;&amp;#93;<br /> == 내용 ==<br /> * [https://en.wikipedia.org/wiki/Support_vector_machine SVM]; Support Vector Machine<br /> ** Also known as Large Margin Classification<br /> ** 클러스터를 나눌 때 가장 큰 마진을 가지는 hyperplane 을 찾는다. [https://en.wikipedia.org/wiki/Support_vector_machine#/media/File:Svm_max_sep_hyperplane_with_margin.png 참고]<br /> <br /> * Kernel method<br /> ** similarity function<br /> ** 데이터들의 유사도 계산의 편이를 위해 dimension을 변형한다.<br /> ** 종류<br /> ** gaussian functio <br /> <br /> * Deep Learning과의 차이점<br /> == 다음 시간에는 ==<br /> == 더 보기 ==<br /> </div>

14.63.105.64 https://mediawiki.zeropage.org/index.php?title=%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D%EC%8A%A4%ED%84%B0%EB%94%94/2016/2016_04_30&diff=50238 2016-05-07T07:14:26Z

<p>14.63.105.64: </p> <hr /> <div>&amp;#91;&amp;#91;pagelist(^(머신러닝스터디/2016))&amp;#93;&amp;#93;<br /> == 내용 ==<br /> Tensorflow: tensor와 operation을 노드로 표현하는 그래프<br /> Tensor: numeric multi array, vector가 geometry에 의존적. tensor는 좌표계에 독립적.<br /> placeholder: input, symbol들을 미리 할당, 이후에 데이터들을 읽어들여 placeholder에 할당한다.<br /> variable: session run 중에 변경되는 tensor, W, b의 값은 session run 중에 값이 업데이트 된다.<br /> <br /> operation<br /> <br /> linear regression: activation없음<br /> <br /> training data and test data<br /> overfitting을 검사하기 위해 training data의 일부는 test data용으로 분리해둔다.<br /> == 후기 ==<br /> <br /> == 다음 시간에는 ==<br /> * Tensorflow 실습<br /> * Binary Regeression 예제 실습 하고 옵시다.<br /> == 더 보기 ==<br /> <br /> -------<br /> [[활동지도/2016]], [[머신러닝스터디/2016]]<br /> </div>

14.63.105.64 https://mediawiki.zeropage.org/index.php?title=%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D%EC%8A%A4%ED%84%B0%EB%94%94/2016/2016_04_30&diff=50237 2016-05-07T07:13:52Z

<p>14.63.105.64: {CREATE}</p> <hr /> <div>Tensorflow: tensor와 operation을 노드로 표현하는 그래프<br /> Tensor: numeric multi array, vector가 geometry에 의존적. tensor는 좌표계에 독립적.<br /> placeholder: input, symbol들을 미리 할당, 이후에 데이터들을 읽어들여 placeholder에 할당한다.<br /> variable: session run 중에 변경되는 tensor, W, b의 값은 session run 중에 값이 업데이트 된다.<br /> <br /> operation<br /> <br /> linear regression: activation없음<br /> <br /> training data and test data<br /> overfitting을 검사하기 위해 training data의 일부는 test data용으로 분리해둔다.<br /> </div>

14.63.105.64