이 글은 Coursera 에서 제공하는 Machine Learning 수업의 2 번째 챕터입니다. Linear Regression with Multiple Variables Mutiple Features 변수가 적을때는 Hypothesis 가 간단하다. 많으면 어떻게 될까? Feature 가 N+1 개라면, http://bt22dr.wordpress.com 편의상 x_0 = 1 이라 두면, Hypothesis 는 Zero-based index 인 n+1 벡터 h 와 x 의 곱이다. 따라서 h(x) = h_t * x … Continue reading Machine Learning 2 – Gradient Descent
이 글은 Coursera 에서 제공하는 Machine Learning 수업의 1 번째 챕터입니다. What is Machine Learning? Field of study that gies computers the abiliry to learn without being explicitly programmed. (1959, Arthur Samuel) Well-posed Learning Problem: A computer program is said to learn from experience E with respect to some task T and some performance measure … Continue reading Machine Learning 1 – Linear Regression
이 글은 Scala Type Level Programming 시리즈물인 Easy Scalaz 의 6 번째 글입니다. Playing with Monoids 이번 글에서는 모노이드를 가지고 놀면서, 아래 나열된 라이브러리 및 언어적 특성을 살펴보겠습니다. Boolean Monoid operations with Spire Algebraic Data Types using Value Class, Scalaz.Tag Creating Monoid for all subclasses using Shapeless Context Bound Path Dependent Type Monoid Easy Scalaz … Continue reading Easy Scalaz 6 – Playing With Monoids
이 글은 Scala Type Level Programming 시리즈물인 Easy Scalaz 의 1 번째 글입니다. Yoneda, Coyoneda, Free and Trampoline Free[F, A] 를 이용하면 Functor F 를 Monad 인스턴스로 만들 수 있습니다. 그런데, Coyoneda[G, A] 를 이용하면 아무 타입 G 나 Functor 인스턴스로 만들 수 있으므로 어떤 타입이든 (심지어 방금 만든 case class 조차) 모나드 인스턴스로 만들 … Continue reading Easy Scalaz 5 – (Co) Yoneda, Free Monad, and Trampoline
이 글은 Scala Type Level Programming 시리즈물인 Easy Scalaz 의 4 번째 글입니다. ReaderWriterState with Kleisli Composition (합성) 은 함수형 언어에서 중요한 테마중 하나인데요, 이번 시간에는 Kleisli 를 이용해 어떻게 함수를 타입으로 표현하고, 합성할 수 있는지 살펴보겠습니다. 그리고 나서, Reader, Writer 에 대해 알아보고, 이것들과 State 를 같이 사용하는 RWST 에 대해 알아보겠습니다. Kleisli State … Continue reading Easy Scalaz 4 – ReaderWriterState with Kleisli
1ambda 