[Deep Learning] Binary Classification(이진 분류), Logistic Classification(로지스틱 분류)

Neural Network을 훈련할 때, 중요한 몇가지가 있다.

예를 들어 m개의 training sample의 training set가 있을 때, training set를 처리하는 익숙한 방법은 아마 for문을 이용해 m개의 데이터를 일일히 보는 방법일 것이다. 하지만 for문을 굳이 사용하지 않고 처리하길 원한다.

 

Logistic Classification에 대해 알아보겠다.

Logistic Classification은 Binary Classification을 위한 알고리즘이다.

예를 들어, 고양이 사진이 주어졌을 때 1(cat)인지 0(non cat) 중 어떻게 분류했는지 출력하기를 원하고 이때 y로 출력 레이블을 표시한다.

사진이 컴퓨터에 저장되는 방식을 보면, Red, Green, Blue의 해당되는 채널로 3개의 행렬을 따로따로 저장한다.

입력된 사진이 64 x 64 픽셀이라면 3개의 64 x 64 행렬들이 사진의 Red, Green, Blue 픽셀 강도 값을 나타낸다.

 

이 픽셀 강도값을 특성 벡터로 바꾸려면, 모든 픽셀 값을 입력될 특성 벡터 x의 한 열로 나열할 것이다.

픽셀 값을 하나의 벡터로 펼치기 위해 주어진 사진에 대한 특성 벡터 x를 다음과 같이 정의한다.

벡터 x 정의

이 사진의 모든 Red, Green, Blue 픽셀 강도 값들을 나열한다.

사진이 64 X 64 이기에 벡터 x의 전체 차원은 64 x 64 x 3이 된다.

training example

- 끝 -

 

이 내용은 Andrew Ng 교수님의 강의를 수강하고 정리하였음