Binary Classification
Binary Classification
이진 분류
이진 분류는 그렇다 / 아니다 2개를 분류하는 것이다 예를 들어 위 고양이 사진이 입력으로 주어짐 → ‘고양이이다 / 아니다’ 를 분류하는 것이 이진 분류이다.
Classification(분류), Regression(회귀)
Classification
- 데이터를 하나의 기준으로 2개로 분류하는 것 (ex: Yes / No)
Regression
- 연속적인 숫자나 수치를 예측하는 것 (과거 매출 데이터로 다음 달 매출액 예측)
고양이 데이터 처리 과정
입력된 고양이 이미지의 크기가 64 x 64 라면 빨간색, 초록색, 파란색 세 행렬의 크기 또한 (64 x 64 x 3)으로 표현된다. (위 이미지에서는 설명을 위해 5 x 4로 생략하여 표기했지만 실제로는 64 x 64 행렬이다)
추가로 Red, Green, Blue 세 픽셀에 적혀있는 각각의 숫자는 채도(밝기)를 의미한다.
이제 픽셀 값 하나하나를 합쳐서 세로로 세운 X를 차원 벡터(feature vector)라고 해보자.
세로로 세워진 차원 벡터 X의 차원 수는 64 x 64 x 3 = 12888로 구할 수 있다.
한 쌍의 (x, y)가 있다고 해보자. x는 차원 벡터이고, y는 0과 1 중 하나의 값만 가진다.
m 이라는 훈련 데이터가 있다고 하자 (Length : m개) m 훈련 데이터를 열어보면 (x, y) 쌍으로 구성되어 있을 것이다.
1
**{(x_1, y_1), (x_2, y_2), …, (x_m, y_m)}**
또한 M은 훈련 데이터 m을 테스트하기 위한 새로운 테스트 세트를 의미한다
이제 계산을 편리하게 하기 위해 차원 벡터인 x를 행렬의 형태로 바꾸어보자.
x_1 ~ x_m 까지를 행렬의 열로 구성해서 행렬 X를 만들면 위 이미지에 있는 X의 형태가 된다.
x_1 ~ x_m까지를 열이 아닌 행으로 구성하는 방법도 있지만, 딥러닝에서는 열 방식이 더 쉬워서 주로 열 방식을 사용한다
마지막으로 X는 n_x * m 차원이고, 해당 차원을 파이썬으로 구현하고자 한다면 X.shape()로 구할 수 있다.
Y 또한 위와 같은 구조를 통해 계산된다.