02. 간단한 분류

1. 분류(classify)

- 1장에 나온 예측 기계를 예측자(predictor)라고 부른다.

- 앞에서 나온 c는 선형관계 그래프에서 보았을 때 일차직선의 기울기가 될 수 있다.

애벌레와 무당벌레의 데이터를 그래프로 표현하면 다음과 같고 이를 직선을 바탕으로 분류한다고 해보자.

우리는 이제 이 분할선을 분류자(classifier)로 사용할 수 있다.

위와 같이 애벌레인지 무당벌레인지 모르는 데이터가 들어왔지만 우리는 분류자를 통해 애벌레 데이터가 들어왔음을 확인할 수 있다.

---

2. 분류자 학습

예측자 또는 분류자에게 실제 값을 알려주는 역할을 수행하는 예제 데이터를 학습데이터(training data)라고 부른다.

y = Ax (A의 초기값은 0.25)

길이 = 기울기 X 폭

위 분류자는 애벌레와 무당벌레를 구별하기에 부적합하므로 학습을 진행하여 적절한 분류자가 되도록 기울기를 구한다.

 y = 0.25*3.0 = 0.75(1.0이 나와야하지만 0.75가 나왔으므로 오차발생)

1.0은 점을 통과하므로 이보다 조금 더 높은 y = 1.1을 목표로 삼는다.(1.2, 1.3을 선택해도 무방)

 E(오차) = 1.1 - 0.75 = 0.35

- E = t-y = (A + ΔA)x - Ax =  ΔAx

   ΔA = E/x = 0.35/3.0 = 0.1167

- 새로운 A값은 0.25 + 0.1167 = 03667이 된다.

 

두번째 직선에서는 E = 2.9 - 0.3667 = 2.5333이 나오고 ΔA = 2.5333/1.0 = 2.5333

A = A + ΔA = 0.3667+2.5333 = 2.9로 업데이트 된다.

이 방법을 사용하면 쉽게 분류할 수 있지만 최종적으로는 그저 마지막 학습 데이터에 맞춰진 업데이트 결과만을 얻게 될 것이다. 이를 해결하기 위하여 업데이트의 정도를 조금씩 조정해나가야 한다.

 

ex) ΔA = L(E/x) 여기서 L은 학습률(learning rate)이자 그 값은 0.5.

---

3. 분류자는 1개가 아닐 수 있다.

초록색일 경우에만 참, 빨간색은 모두 거짓. 위 아래 분류자는 참과 거짓을 잘 분류해주고 있다.

or과 and 예제에서는 분류자 1개면 충분하지만, xor같은 문제가 되면 분류자는 최소 2개가 필요하다.