개요

지난 시간에 이어 Coursera Machine Learning으로 기계학습 배우기 : week6 정리를 진행한다.

목차

해당 포스팅은 연재글로써 지난 연재는 아래의 링크를 참고한다.

글을 읽기에 앞서…

  • 본글은 필자가 코세라 기계학습을 공부를 하는 과정에서 개념을 확고히 정리하기 위하는데 목적이 있다. (필자가 나중에 내용을 다시 찾아보기 위한 목적이 있다.)
  • 코세라 강의 week 개수에 맞추어 포스팅을 진행할 예정이다.
  • 코세라의 슬라이드에 한글 주석을 단것이 핵심으로 내용에서 글을 읽을 필요 없이 슬라이드 그림만으로 최대한 이해가 되게끔 하는데 목적이 있다.
  • 수학은 한국의 고등수학을 베이스로 한다. 수학적 개념이 나올때 가급적 고등학교 수학을 베이스로 내용을 정리한다.
  • 정리내용의 목차 구성을 코세라 강의와 동일하게 맞추고 또한 제목을 원문으로 둔다. (원본강의 내용과 정리 내용을 서로 서로 찾아보기 쉽게하기 위함이다.)

====================== 6강 ============================================

Evaluation Learning Algorithm

Deciding What to Try Next

Evaluating a Hypothesis

Model Selection and Train/Validation/Test Sets

bias vs variance

Diagnosing Bias vs. Variance

Regularization and Bias/Variance

Learning Curves

Deciding What to Do Next Revisited

Building Spam Classifier

Prioritizing What to Work On

Error Analysis

Handling Skewed Data

Error Metrics for Skewed Classes

Trading Off Precision and Recall

Using Large Datasets

Data For Machine Learning