
@J(a, b, c) = 3(a+bc)의 계산 그래프 만드는 과정
1. u = bc
2. v = a+u
3. J = 3v
-계산 그래프는 J같은 특정한 출력값 변수를 최적화(Optimize)하고 싶을 때 유용함
-로지스틱 회귀의 경우 J는 당연히 최적화할 비용함수

@미분의 연쇄법칙(Chain rule)
-합성함수의 도함수에 대한 공식
-합성함수의 도함수는 합성함수를 구성하는 함수의 미분을 곱함으로써 구할 수 있음
-입력변수 a를 통해 출력변수 J까지 도달 하기 위해 a -> v -> J의 프로세스로 진행됨
(만약 a가 v에 영향 미치고 그것이 J에 영향 미친다면
a를 밀었을 때 J의 변화량은
a를 밀었을 때 v의 변화량과 v를 밀었을 때 J의 변화량의 곱)
변수 a만 보게 되면, J = J(u(a))라는 합성함수가 됨
참고)
'CS > AI | CV' 카테고리의 다른 글
m개 샘플의 경사하강법 | Gradient Descent on m Examples (0) | 2021.01.01 |
---|---|
로지스틱 회귀 경사하강법 | Logistic Regression Gradient Descent (0) | 2021.01.01 |
경사하강법 | Gradient Descent (0) | 2020.12.31 |
로지스틱 회귀 비용함수 | Logistic Regression Cost Function (0) | 2020.12.31 |
로지스틱 회귀 | Logistic Regression (0) | 2020.12.31 |