모두의 딥러닝 -파이토치 ch1-ch2 정리

모두의 딥러닝 링크 : https://www.youtube.com/watch?v=SKq-pmkekTk&list=PLbbloOsdWVwTNNkjnLuqEWtzjRqfBALF7

모두의 딥러닝 ch1

사람이 결정을 하는 방식

data-> human -> infer or predict

컴퓨터의 방식 하는것 machine learning

data -> computer -> infer or predict

모두의 딥러닝 ch2

'아래 데이터는 x 시간 공부했을때 point 를 y만큼 받는다' 데이터이다.

supervised learning 은 x-y 처럼 정답이 있는 데이터셋 학습을 말한다.

가장 기본적인 식 

y헷은 추정값을 의미한다.

W는 가중치로,  랜덤으로 시작하여, 실제값-추정값의 크기를 줄이는 방향으로 진행해야 한다.

실제값-추정값의 차이를 여러가지 값으로 나타낼수 있다(loss 함수의 종류가 여러가지이다.)

머신러닝의 goal은 오차가 가장작은 w를 구하는것

주어진 데이터셋의 오차를 평균을 구해서, 지금 얼만큼 실제값과 떨어져 있는지를 구한다.

아래는 가중치와 오차의 의미를 잘 보여주는 예시코드이다.

import numpy as np
import matplotlib.pyplot as plt
 
x_data = [1.0,2.0,3.0]
y_data = [2.0,4.0,6.0]
 
w=1.0
 
def forward(x):
    return x*w
 
def loss(x,y):
    y_pred = forward(x)
    return (y_pred-y) * (y_pred-y)
 
w_list =[]
mse_list =[]
 
for w in np.arange(0.0,4.1,0.1):#0.0부터 4.1까지 0.1 간격으로 w 증가
    print ("w=",w)
    l_sum =0
    for x_val, y_val in zip(x_data, y_data):
        y_pred_val = forward(x_val)#x의 값을 y_pred_val에 넣어서 forward
        l = loss(x_val, y_val)
        l_sum += l#w에 따른 loss 계산
        print("\t",x_val, y_val, y_pred_val, 1)
    print("MSE= ", l_sum / 3)#mse : 평균 제곱근 오차
    w_list.append(w)
    mse_list.append(l_sum/3)
    
    plt.plot(w_list, mse_list)
    plt.ylabel('loss')
    plt.xlabel('w')
    plt.show()
        
    

weight에 따른 mse(평균제곱오차) 가 출력되게 해 보았다.

2.0 으로 갈수록 오차가 줄어드는 이차함수가 나오는 것을 볼 수 있었다.