전체 글

[핸즈온 머신러닝] 2장. 단항 선형 회귀

2. Linear Regression with one variable 목차 1. 선형회귀란? 2. 모델설계 3. 비용 함수 4. 경사 하강법 1. 선형회귀란? 회귀(Regression) 연속적인 종속 변수(y)와 한 개 이상의 독립 변수(x) 사이의 관계를 추정하는 통계적인 과정 종속 변수 : y, 결과 변수 독립 변수: x, (입력) 특성 관계: 모델(model), 가설(hypothesis) 회귀의 종류 특성의 개수에 따라 단항 선형 회귀: 특성 개수 한 개 다항 선형 회귀: 특성 개수 두 개 이상 정규화 방법에 따라 릿지 회귀 라쏘 회귀 엘라스틱넷 선형 회귀(Linear Regression) 특성의 가중치 합과 편향(bias) 상수를 더해 결과 변수를 예측하는 과정 단항 $\hat{y} = h_\th..

[핸즈온 머신러닝] 1장. 머신러닝 소개

Introduction. Machine Learning 목차 1. 머신러닝이란? 2. 머신러닝은 왜 필요한가? 3. 머신러닝의 종류 4. 머신러닝의 주요 도전 과제 5. 테스트와 검증 1. 머신러닝이란? 머신러닝이란? 데이터로부터 학습하도록 컴퓨터를 프로그래밍하는 과학, 기술 명시적인 프로그래밍 없이 컴퓨터가 학습하는 능력을 갖추게 하는 연구분야(by Arthur Samuel, 1959, 기계학습 용어 대중화) 머신러닝의 예 : 스팸 필터(Spam Filter) 사용자가 스팸(Spam) 메일과 보통(Ham) 메일의 샘플을 사용해 스팸 메일을 구별하는 법을 배울 수 있는 머신러닝 프로그램 훈련 세트(Training set) : 학습을 위해 시스템을 사용하는 샘플 훈련 예제(Training example) ..

네트워크 플로우(Network Flow)

네트워크 플로우(Network Flow)란? 특정한 지점에서 다른 지점으로 데이터가 얼마나 많이 흐르고 있는가를 측정하는 알고리즘으로 네트워크 데이터 전송, 교통 체증 등 다양한 분야에서 활용되고 있음 최대 유량(Maximum Flow)이란? 최대 유량이란 가중치가 있는 방향그래프(Weighted Directed Graph) G와 시작 노드 S, 도착 노드E 가 주어졌을 때, 각 엣지의 용량(Capacity)를 고려하여 S에서 E로 흘려보낼 수 있는 유량의 최대값을 말하는 것이다. 이 때, G의 각 에지 가중치를 용량(capacity)라고 하며 (u,v)의 용량을 c(u,v)라고 쓴다. 예로, 아래와 같은 그래프 G가 있다고 할 때, A에서 D로 최대한 많은 유량을 보내려고 할 때 가장 합리적인 양은 가..

이분 매칭(Bipartite Matching)

이전 게시글인 에 이어지는 알고리즘 개념 글입니다 https://codingsmu.tistory.com/109 이분 매칭(Bipartite Matching)이란? 네트워크 플로우의 개념중에서 이분 그래프(Bipartite Graph)에서의 최대 유량(maximum flow)을 구하는 경우로, 에지의 용량(capacity)이 전부 1인 이분 그래프에서의 최대유량(maximum flow)을 구하는 문제는 이분 그래프에서의 최대 매칭(maximium matching)과 동치이다. 이때 매칭은, 서로 다른 그룹에 놓인 두 정점을 짝지어주는 의미로 이분그래프에서 최대 매칭을 최대 유량 알고리즘인 디닉 혹은 에드몬드 카프 알고리즘을 이용해 구해줄 수 있으나, DFS를 이용하여 O(V*E)시간에 쉽게 구현할 수 있다..

[패턴인식] 지역 특징 검출(1): 이동/회전 불변 특징점 검출, 위치 찾기 알고리즘

Local Feature 목차 0. Preview 1. 지역 특징 검출의 기초 2. 이동과 회전에 불변한 특징점 검출 3. 위치 찾기 알고리즘 4. 스케일에 불변한 특징점 검출 0. Preview 대응점 찾기 같은 장면을 다른 시점에서 찍은 두 영상에서 대응(Correspond)하는 점의 쌍(Pair)을 찾는 문제 파노라마, 물체 인식/추적, 스테레오 등 컴퓨터 비전의 중요한 문제 해결의 단초 세 단계로 해결 1. 지역 특징 검출의 기초 1.1 특징 검출의 역사: 지역 특징의 대두 무엇을 특징점으로 쓸 것인가? 에지(Edge)는 강도와 방향 정보만 가지므로 매칭에 참여하기에 턱없이 부족 다른 곳과 두드러지게 달라 풍부한 정보 추출이 가능한 곳 에지 토막에서 곡률이 큰 지검을 코너로 검출(복잡) 코너 검출..

[패턴인식] 에지 검출(2) : 캐니 에지, 컬러 에지, 선분 검출

Edge Detection 목차 0. Preview 1. 에지 검출의 기초 2. 영교차 이론 3. 캐니 에지 4. 컬러 에지 5. 선분 검출 은 이전 게시글을 참고해주세요 https://codingsmu.tistory.com/105 [패턴인식] 영상 처리(2) : 이진영상, 영상 처리의 세가지 기본 연산 Digital Image Processing 목차 0. Preview 1. 디지털 영상이란? 2. 히스토그램 3. 이진 영상 4. 영상 처리의 세가지 기본 연산 5. 다해상도 6. 모폴로지 7. 컬러 은 이전 게시글을 참고해주세요 https://codingsm.. codingsmu.tistory.com 3. 캐니 에지 앞 절은 '그럴듯해 보이는' 에지 연산자 사용 캐니 에지(Canny Edge) 1986..

[패턴인식] 에지 검출(1) : 에지 검출의 기초, 영교차 이론

Edge Detection 목차 0. Preview 1. 에지 검출의 기초 2. 영교차 이론 3. 캐니 에지 4. 컬러 에지 5. 선분 검출 0. Preview 에지의 유용성 물체의 경계를 표시해 줌 매칭에 용이한 선분이나 곡선으로 변환 가능 에지의 한계 실종된 에지(거짓 부정, False Negative), 거짓 에지(거짓 긍정,False Positive) 발생 이들 오류를 어떻게 최소화할 것인가? 1. 에지 검출의 기초 원리 물체 내부나 배경은 변화가 없거나 작은 반면, 물체 경계는 변화가 큼 이 원리에 따라 에지 검출 알고리즘은 명암, 컬러 또는 텍스처의 변화량을 측정하고, 변화량이 큰 곳을 에지로 검출 1.1 디지털 영상의 미분 1차원($tan\theta $ = 기울기 = 변화량) 연속 공간에서의..

[패턴인식] 영상 처리(3) : 다해상도, 모폴로지, 컬러

Digital Image Processing 목차 0. Preview 1. 디지털 영상이란? 2. 히스토그램 3. 이진 영상 4. 영상 처리의 세가지 기본 연산 5. 다해상도 6. 모폴로지 7. 컬러 은 이전 게시글을 참고해주세요 https://codingsmu.tistory.com/103?category=983612 [패턴인식] 영상 처리(2) : 이진영상, 영상 처리의 세가지 기본 연산 Digital Image Processing 목차 0. Preview 1. 디지털 영상이란? 2. 히스토그램 3. 이진 영상 4. 영상 처리의 세가지 기본 연산 5. 다해상도 6. 모폴로지 7. 컬러 은 이전 게시글을 참고해주세요 https://codingsm.. codingsmu.tistory.com 5. 다해상도 ..