우잉's Development

1. Loss Function (손실함수) : 머신러닝 혹은 딥러닝 모델의 출력값과 사용자가 원하는 값의 오차를 의미 - 정답($y$)와 예측 ($\hat{y}$)을 입력 받아 실숫값 점수를 만드는데, 이 점수가 높을수록 모델이 안좋습니다. - 손실함수의 함수값이 최소화 되도록 하는 weight(가중치)와 편향(bias)를 찾는 것이 목표 2. 베르누이 분포 $f(Y=y_i;\pi )={\pi }^y(1-\pi {)}^{1-y}$ , $y\in \{0,1\}$ 만약 $Y$가 1이면 $f=1-\pi$이고 $Y$가 0이면 $f=\pi$이다. 관측값 $y$를 고정시키고 위 함수를 parameter $\pi$에 대한 함수로 사용한다면 이는 베르누이분포에 대한 가능도 함수가 된..