Q&A 15주차

1. c) training에 필요한 레이블을 사용함 = 지도학습, 사용안함 = 비지도학습

2. d) 50*5 각각의 뉴런 입력 레이어는 최대 히든레이어에 있는 5개의 뉴런과 연결될 수 있다.

3. 0.3*-1 + 0.21 = -0.1 → 0 / 0.3-2 + 0.4*2 = 0.2 → 0.2 따라서 (0,0.2)

• g(x) = max(0,x) → x가 음수면 0으로 양수면 x로
• Rectified : 나은 방향으로 수정했다.

1. b) Autoencoder (noise reduction에 주로 사용된다.)
2. New cluster → 1번 1/2번 3/3번 2/4번 2/5번 2/6번 2/7번 3/8번 2
   • 유클리디안 거리 계산법을 적용해서 거리가 가장 가까운 점이 new cluster가 된다. new cluster가 같은 점들을 평균낸 값을 새로 center로 만든다.
   • 그 후 계속 반복하면서 new cluster를 갱신한다. → new cluster가 갱신되지 않을때까지 !
   • 클러스터링은 굉장히 머신러닝에서 중요하다!

5-2. b) It is used to balance the contribution of each data point in distance calculation

• 클러스터링 할때 [0,1]로 스케일링을 해줘야하는 이유 : x축과 y축의 단위가 같아야 편향되지 않고 제대로 된 클러스터가 나온다. (normalized 과정 = feature scaling)

1. algorithm made 2mistakes
   • w = 신뢰하는 확률 (1-r) r = discount factor

• k-clustering, multiplicative weight 알고리즘 2가지 기억하기!
• 다이나믹프로그래밍, 그리디 알고리즘
• comprehensive하다
• AI로 활용한 문제들을 시험에 냄
• HW 자세하게 살펴보자!
• 28강까지 시험범위