Image Rectification, Odds Ratio, Logit function

• Image Rectification : CS에서 사용되는 용어로, 이미지의 왜곡을 보정하는 것
• ML
  • Supervised Learning
    • Laveled data
    • Direct Feedback
    • Predict outcome/futre
    • Classification, Regression
  • Unsupervised Learning
    • No lables
    • No feedback
    • Find Hidden Structure in data
    • Clustering, Dimensionallity Reduction
  • Reinforcement Learning
    • Decision process
    • Reward system
    • Learn series of actions
• Data Preparation
  • Training Data : 모델을 훈련하는 데 사용
  • Validation Set : 각 모델에 대한 성능을 검증하는 데 사용
  • Test Set  : 최종 모델의 실제 성능을 분석하는 데 사용
    • Training Data set과 Test Set이 같아선 안된다.
    • 모델의 성능을 높이기 위한 훈련 기법들 : Model Selection, Cross-Validation, Performance Metrics, Hyperparameter Optimization
• Linear Regression
  • x가 들어왔을 때 y가 어떻게 될까? 와 같은 것을 예측하는 모델

• • 회귀 직선과 샘플( 그림에서는 점 )간 차이( 그림에선 직선에서 수직으로 내렸을 때 점과의 거리 )를 Offset 또는 Residual 이라고 한다.
  • 하나의 특성( Explanatroy Variable x )과 연속적인 목표 변수( Response Variable y )사이의 관계 모델링
•  Model Evaluation
  • 일부 편차가 매우 큰 데이터는 Outlier로 간주하여 무시하는 처리를 한다.
  • 정량적인 평가 기준을 통해 모델 평가가 필요한데,
    • MSE( Mean-Squared-Error ) : 예측값과 정답값 차이의 제곱의 합의 평균
• Classification : 각 데이터가 어떤 클래스에 속하는지 판별하는 것이 목적
  • 클래스 레이블은 순서가 없고 Discrete Variable이다.
  • Classification은 Category를 예측, Regression은 Continuous Value를 예측
  • 클래스가 두 개일 경우 Binary Classification
• Logistic Regression
  • 선형 이진 분류 문제를 위한 로지스틱 회귀
  • 이름은 회귀이지만 분류 모델
  • Odds Ration 오즈비 :
    • Positive Probability ( P ) / Negative Probability ( 1 - P )
  • Logit Function : Odds Ratio에다 자연로그 ln을 취한 값
    • Logit Function 은 0과1 사이의 입력 값을 실수 범위 출력 값으로 변환
      • 왜냐하면 Odds Ratio가 P 확률로 구성된 값이므로, 입력값은 1과 0사이인 것이다.

Odds Ratio = 승산비

로그 함수, log0은 -무한대, log 1/0 은 +무한대

• Clustering