본문 바로가기

(●'◡'●) Categories 🐅387

이사야서 8~9장 이사야서 8~9장 말씀 [사8:11-13] 여호와께서 경성시키시다 11 여호와께서 강한 손으로 내게 알게 하시며 이 백성의 길로 행치 말 것을 내게 경성시켜 가라사대 12 이 백성이 맹약한 자가 있다 말하여도 너희는 그 모든 말을 따라 맹약한 자가 있다 하지 말며 그들의 두려워하는 것을 너희는 두려워하지 말며 놀라지 말고 13 만군의 여호와 그를 너희가 거룩하다 하고 그로 너희의 두려워하며 놀랄 자를 삼으라 [사8:18] 18 보라 나와 및 여호와께서 내게 주신 자녀들이 이스라엘 중에 징조와 예표가 되었나니 이는 시온산에 계신 만군의 여호와께로 말미암은 것이니라 [사9:13-15] 주께서 이스라엘을 벌하시리라 13 이 백성이 오히려 자기들을 치시는 자에게로 돌아오지 아니하며 만군의 여호와를 찾지 아니하도.. 2023. 12. 24.
이사야서 6~7장 이사야서 6~!7장 말씀 [사6:8-10, 개역한글] 8 내가 또 주의 목소리를 들은즉 이르시되 내가 누구를 보내며 누가 우리를 위하여 갈꼬 그 때에 내가 가로되 내가 여기 있나이다 나를 보내소서 9 여호와께서 가라사대 가서 이 백성에게 이르기를 너희가 듣기는 들어도 깨닫지 못할 것이요 보기는 보아도 알지 못하리라 하여 10 이 백성의 마음으로 둔하게 하며 그 귀가 막히고 눈이 감기게 하라 염려컨대 그들이 눈으로 보고 귀로 듣고 마음으로 깨닫고 다시 돌아와서 고침을 받을까 하노라 [사7:12-14, 개역한글] 12 아하스가 가로되 나는 구하지 아니하겠나이다 나는 여호와를 시험치 아니하겠나이다 한지라 13 이사야가 가로되 다윗의 집이여 청컨대 들을찌어다 너희가 사람을 괴롭게 하고 그것을 작은 일로 여겨서 .. 2023. 12. 24.
이사야서 5장 이사야서 5장 말씀 [이사야서 5:4-5] 포도원의 노래 4 내가 내 포도원을 위하여 행한 것 외에 무엇을 더할 것이 있었으랴 내가 좋은 포도 맺기를 기다렸거늘 들포도를 맺힘은 어찜인고 5 이제 내가 내 포도원에 어떻게 행할 것을 너희에게 이르리라 내가 그 울타리를 걷어 먹힘을 당케 하며 그 담을 헐어 짓밟히게 할 것이요 [이사야서 5:12] 사람이 저지르는 악한 일 그들이 연회에는 수금과 비파와 소고와 저와 포도주를 갖추었어도 여호와의 행하심을 관심치 아니하며 그의 손으로 하신 일을 생각지 아니하는도다 [이사야서 5:16-17] 사람이 저지르는 악한 일 16 오직 만군의 여호와는 공평하므로 높임을 받으시며 거룩하신 하나님은 의로우시므로 거룩하다 함을 받으시리니 17 그 때에는 어린 양들이 자기 초장에 .. 2023. 12. 24.
이사야서 2~3장 이사야서 2~3장 말씀 [사2:5-8] 여호와의 날 5 야곱 족속아 오라 우리가 여호와의 빛에 행하자 6 주께서 주의 백성 야곱 족속을 버리셨음은 그들에게 동방 풍속이 가득하며 그들이 블레셋 사람 같이 술객이 되며 이방인으로 더불어 손을 잡아 언약하였음이라 8 그 땅에는 우상도 가득하므로 그들이 자기 손으로 짓고 자기 손가락으로 만든 것을 공경하여 [사2:21-22] 여호와의 날 21 암혈과 험악한 바위틈에 들어가서 여호와께서 일어나사 땅을 진동시키시는 그의 위엄과 그 광대하심의 영광을 피하리라 22 너희는 인생을 의지하지 말라 그의 호흡은 코에 있나니 수에 칠 가치가 어디 있느뇨 [사3:8-9] 예루살렘의 멸망 8 예루살렘이 멸망하였고 유다가 엎드러졌음은 그들의 언어와 행위가 여호와를 거스려서 그 영광.. 2023. 12. 24.
이사야서 1장 이사야서 1장 말씀 [사1:10-12] 여호와의 말씀 11 여호와께서 말씀하시되 너희의 무수한 제물이 내게 무엇이 유익하뇨 나는 수양의 번제와 살진 짐승의 기름에 배불렀고 나는 수송아지나 어린 양이나 수염소의 피를 기뻐하지 아니하노라 12 너희가 내 앞에 보이러 오니 그것을 누가 너희에게 요구하였느뇨 내 마당만 밟을 뿐이니라 [사1:16-18] 여호와의 말씀 17 선행을 배우며 공의를 구하며 학대 받는 자를 도와주며 고아를 위하여 신원하며 과부를 위하여 변호하라 하셨느니라 18 여호와께서 말씀하시되 오라 우리가 서로 변론하자 너희 죄가 주홍 같을찌라도 눈과 같이 희어질 것이요 진홍 같이 붉을찌라도 양털 같이 되리라 [사1:28-29] 죄로 가득찬 성읍 28 그러나 패역한 자와 죄인은 함께 패망하고 여호와.. 2023. 12. 24.
Logistic Regression z라는 값이 Weight와 Input의 내적한 Linear Regression이고 이 값이 Sigmoid 함수의 Input 값으로 들어간다. 사실 P라는 확률과 P가 아닌 1-P의 확률의 비율로 표현될 수 있는 것을 Log를 취한 후 P에 대해서 표현을 하면 Sigmoid 함수가 나오게 된다. 즉 확률 값을 0부터 1 사이의 값으로 표현을 하고 Binary Decision을 하기 위함이다. Logistic Regression이라는 것은 그럼 어떻게 데이터를 회기하는 방법일까? Linear Regression이란 데이터의 분포를 가장 잘 표현하는 선하나를 긋는 과정이라고 보면 된다. 그럼 Logistic의 뜻은 여기서 더 나아가 Class를 분류하기 위한 확률 모델을 만들고자 하는 것이다. 그래서 F라는 .. 2022. 12. 8.
Classification Binary Class를 구분할 수 있는 함수를 어떻게 찾을 수 있을지 생각해보자. 각 Input Data에 해당하는 Label이 주어진 상태라고 했을 때 앞으로 들어올 Data에 대해서 분류할 수 있는 함수를 찾는 방법에 대한 설명이다. 만일 표에 5개의 데이터가 있다면 이 분포를 Regression할 수 있는 선을 하나 긋고 반대의 Label을 주어 Regression을 하는 선을 하나 긋게 된다. 그렇게 되면 선이 2개가 생기게 되는데 이를 기준으로 Class 2개에 대해 판별하는 함수를 만들 수 있다. 두 번째로 함수를 설정하는 방식으로는 label이 0인 것들을 오히려 -1로 바꾸어 더 확실한 Regression을 만들어주는 방식이다. 이렇게 되는 경우도 Binary Classification의.. 2022. 12. 6.
Linear Discriminant Analysis(LDA) Approach Classification의 경우를 살펴보자. Classifier를 표현하는 흔한 방법은 Discriminatn 함수를 사용하는 것이다. Input Data에 대해 클래스를 가장 잘 설명할 수 있는 함수를 정의하고 최대값을 가지는 Class를 설정하는 방식이라고 이해하면 된다. 그렇다면 Discriminant 함수는 어떤 것인가. Decision Boundary 란 클래스를 구분할 수 있는 선을 하나 긋는 것이라고 생각하면 된다. 클래스 0에 대해서 가지는 확률값이 높은 경우 클래스 0로 판별, 클래스 1에 대해서 가지는 확률값이 높은 경우 클래스 1로 판별하게 된다. Generative classifier 란 데이터를 생성하기 위한 모델이다. 그렇기 때문에 데이터가 생성될 확률인 Joint Probab.. 2022. 12. 5.
Stochastic Gradient Descent, Regularization(L2 Ridge, L1 Lasso) Gradient Descent에는 두 가 방법이 존재한다. Batch와 Online 방식이고 batch는 전체 데이터를 기준으로 Online은 데이터 하나씩을 기준으로 Weight를 최신화하는 방식이라고 할 수 있다. Batch 학습방법은 전체 학습 데이터를 사용하여 Weight를 한 번에 최신화하는 것이라고 할 수 있다. 전체 데이터를 커버할 수 있어야 하므로 큰 메모리가 필요하다. 또한 모든 데이터를 바탕으로 하기 때문에 최적화 Route가 꽤 안정적으로 나온다는 것이 특징이다. 반면 Online Learning은 Training instance를 사용하여 Weight를 최신화하는 방식으로 메모리가 훨씬 적게 필요하다. 하지만 모든 데이터를 바탕으로 최신화가 되는 것이 아니기 때문에 최적화 Route.. 2022. 12. 5.
Linear Regression, Approach in SLE, probabilistic, Gradient Descent Supervised Learning이란 주어진 Dataset에 해당하는 Label 이 존재하는 Regression이라고 한다. Regression은 적절한 선을 찾는 과정이라고 할 수 있다. Regression은 데이터의 분포를 잘 표현할 수 있는 흐름선을 표현하는 것이고 Classification은 데이터를 잘 나눌 수 있는 분류선을 찾는 것이라고 할 수 있다. 주어진 Data의 분포를 d라고 표현하면 d는 Input vector로 표현되고 y는 Label에 해당하는 desired output 이라고 할 수 있다. 이때의 주어진 목표는 X에서 Y로 대응하는 함수를 찾는 것이다. 그래서 2개의 대표적인 Supervised Learning을 살펴보면 Regression은 주어진 Input data X가 이.. 2022. 12. 5.

티스토리툴바