8001: 선형 모델을 이용하는 이진 분류기
[만든사람 : ]
문제 설명
선형 모델을 이용하는 이진 분류기는 다음과 같다.
\( f(w,b,x) = \begin {cases} 1 & y= \sum_{i=1}^{d} w_ix_i+b >0 \\0 & y= \sum_{i=1}^{d} w_ix_i+b\le 0 \end{cases} \)
가중치 벡터 \(w\)와 바이어스 \(b\)는 사전 학습된 결과이다.
가중치 벡터 \(w\)와 입력 벡터 \(x\)의 차원(dimension)은 \(d\)로 같으며 \( \sum_{i=1}^d w_ix_i\) 는 다음과 같이 계산된다.
\( \sum_{i=1}^d w_ix_i = w_1x_1 + w_2x_2 + \dots + w_dx_d \)
가중치 벡터의 차원\(d\)과 가중치 벡터\(w\), 바이어스\(b\), 입력 벡터\(x\)가 주어졌을 때, 출력되는 예측값(predict)을 쓰시오.
\( f(w,b,x) = \begin {cases} 1 & y= \sum_{i=1}^{d} w_ix_i+b >0 \\0 & y= \sum_{i=1}^{d} w_ix_i+b\le 0 \end{cases} \)
가중치 벡터 \(w\)와 바이어스 \(b\)는 사전 학습된 결과이다.
가중치 벡터 \(w\)와 입력 벡터 \(x\)의 차원(dimension)은 \(d\)로 같으며 \( \sum_{i=1}^d w_ix_i\) 는 다음과 같이 계산된다.
\( \sum_{i=1}^d w_ix_i = w_1x_1 + w_2x_2 + \dots + w_dx_d \)
가중치 벡터의 차원\(d\)과 가중치 벡터\(w\), 바이어스\(b\), 입력 벡터\(x\)가 주어졌을 때, 출력되는 예측값(predict)을 쓰시오.
입력 설명
첫 번째 줄에는 가중치 벡터의 차원\(d\)가 입력된다.
두 번째 줄에는 가중치 벡터 \(w\)가 공백으로 구분되어 입력된다.
세 번째 줄에는 바이어스 \(b\)가 입력된다.
네 번째 줄에는 입력 벡터 \(x\)가 공백으로 구분되어 입력된다.
\(1 \le d \le 1,000\)
\(-1,000 \le w_i, b, x_i \le 1,000 \)
\(w, b, x\)는 모두 실수
두 번째 줄에는 가중치 벡터 \(w\)가 공백으로 구분되어 입력된다.
세 번째 줄에는 바이어스 \(b\)가 입력된다.
네 번째 줄에는 입력 벡터 \(x\)가 공백으로 구분되어 입력된다.
\(1 \le d \le 1,000\)
\(-1,000 \le w_i, b, x_i \le 1,000 \)
\(w, b, x\)는 모두 실수
출력 설명
선형 모델을 이용해 출력되는 이진 분류기에서의 예측값이 출력된다.
입력 예시 Copy
2
2.1 -2.3
3.1
1.2 2.4
출력 예시 Copy
1