Supervised Learning에서 Agent는 인간이 부여한 몇가지의 Example을 통해서 학습을 한다고 설명했다 이 때 Agent는 Example들에 대한 "가설 함수"를 찾아내는 것이 학습의 목적이다 당연히 Agent가 가설함수를 도출해냈으면 그 가설함수에 대한 "평가 & 선택"을 해야 한다 모델 선택 최종 결정되는 모델은 결국 여러 가설함수중 Best를 선택할 것이다 1. Model Selection "가설 공간"을 정의한다 가설 공간은 그냥 다항식의 차수를 의미한다 2. Parameter Optimization 가설 공간내에서 최고의 가설 함수를 찾아야 한다 결국 다항식의 차수를 인간이 결정해주었다면 Agent는 그 다항식에 대한 "계수"를 Learning을 통해서 알아내야 한다 ※ 모델 ..

Supervised Learning Supervised Learning은 인간이 Label된 Data(input - intput에 대한 output)을 부여하고 Agent는 받은 여러 Example들을 통해서 input에 대한 output이 도출되는 "가설 함수"를 찾아내야 한다 Learning Problem 1. 목적함수 F F란 input data에 대해서 언제나 반드시 output을 결정할 수 있어야 한다 단, Agent(학습자)는 영원히 F를 모른다 Agent가 Learning을 통해서 얻는 것은 F와 최대한 비슷한 "가설함수 H"를 찾아내는 것이다 2. Example (input - output pair) Agent는 (input - output pair)로 이루어진 여러개의 Example들을 ..

Learning AI에서 학습은 단지 무엇을 배운다고 끝나는 것이 아니다 배운다는 경험을 토대로 에이전트의 작업 성능이 개선이 되어야 그 에이전트는 "학습 능력이 존재"한다고 볼 수 있다 이러한 점은 인간도 마찬가지이다 아무리 가르쳐줘도 발전이 없는 사람은 학습 능력이 전혀 없는 사람이라고 볼 수 있다 반면에 가르쳐줄수록 경험이 쌓이고 그에 따른 성능이 개선되는 사람은 학습 능력이 있다고 볼 수 있다 학습의 필요성 1. 설계자는 미래에 일어날 모든 가능한 상황과 변화에 대해서 에이전트를 처음 설계할 때는 예상할 수 없다 따라서 Agent에게 학습은 필수적이다. 학습을 통해서 설계자가 예상하지 못한 이벤트에 대해서 대처할 수 있는 능력을 만들어야 한다 2. 프로그래머도 사람이기 때문에, 어떠한 상황에 대해..