Machine Learning10 generalization error 란 무엇인가? Generalization error는 머신 러닝에서 모델의 학습 성능과 새로운 입력 데이터에 대한 예측 성능 사이의 차이를 나타내는 오차입니다. 모델이 학습 데이터에서 잘 동작하지만 새로운 데이터에 대해 제대로 일반화하지 못하는 경우, generalization error가 증가할 수 있습니다. 일반화 오차는 모델이 학습 데이터를 통해 획득한 패턴과 특징을 새로운 데이터에 적용할 때 발생하는 오차입니다. 모델이 학습 데이터에서는 높은 정확도를 보이지만, 새로운 데이터에 대해서는 성능이 저하되거나 예측이 부정확해지는 것을 의미합니다. 이는 모델이 학습 데이터에 지나치게 적합(overfitting)되었거나, 데이터의 다양성을 충분히 반영하지 못한 경우에 발생할 수 있습니다. Generalization er.. 2023. 6. 3. 머신러닝 모델들은 무엇이 있을까? 기계 학습(ML)에서는 다양한 모델들이 사용되며, 각 모델은 다른 알고리즘과 특성을 가지고 있습니다. 다음은 일반적으로 사용되는 몇 가지 ML 모델의 예시입니다. 선형 회귀(Linear Regression): 선형 관계를 모델링하여 연속적인 출력 값을 예측하는 회귀 문제에 사용됩니다. 최소제곱법을 사용하여 예측값과 실제값의 오차를 최소화하는 선형 함수를 찾습니다. 로지스틱 회귀(Logistic Regression): 이진 분류 문제에 사용되며, 입력 변수와 출력 변수 간의 로지스틱 함수를 통해 확률을 예측합니다. 경사 하강법 등의 최적화 알고리즘을 사용하여 모델을 학습시킵니다. 의사 결정 트리(Decision Tree): 데이터의 속성과 목표 변수 간의 의존 관계를 트리 구조로 모델링합니다. 데이터를 분.. 2023. 5. 25. 머신러닝 모델의 성능평가 방법들 Machine Learning(ML) 모델의 성능을 평가하는 것은 모델이 주어진 작업을 얼마나 잘 수행하는지를 확인하는 과정입니다. 모델의 성능을 평가하기 위해 다음과 같은 여러 지표들을 사용할 수 있습니다. 정확도(Accuracy): 모델이 정확하게 분류한 샘플의 비율로 계산됩니다. 이는 분류 작업에서 가장 일반적으로 사용되는 평가 지표입니다. 하지만 데이터의 불균형이 있을 경우 정확도만으로는 모델의 성능을 정확히 평가하기 어려울 수 있습니다. 오차 행렬(Confusion Matrix): 이진 분류에서 모델의 예측 결과와 실제 클래스를 비교하여 예측값에 따라 적절한 위치에 샘플을 배치한 행렬입니다. 오차 행렬을 통해 정확한 예측, 오진, 거짓 음성 등의 정보를 확인할 수 있습니다. 이를 기반으로 다양한.. 2023. 5. 25. 한분야의 전문가가 Data Science를 배워야 하는 이유 도메인 전문 지식은 데이터 과학에서 feature importance(특성 중요도)에 미치는 영향이 큽니다. 특성 중요도란 예측 모델이나 분석에서 다른 특성 또는 변수들의 상대적인 기여도나 영향력을 나타냅니다. 통계적인 방법은 특성 중요도에 대한 통찰력을 제공할 수 있지만, 도메인 전문 지식은 이러한 결과의 실제적인 의미와 영향력을 이해하는 데 도움이 됩니다. 다음은 도메인 전문 지식이 특성 중요도에 미치는 주요한 영향 요소들입니다: 문맥적 이해: 도메인 전문가들은 특정 분야나 산업에 대한 깊은 지식과 이해력을 갖고 있습니다. 그들은 특성들 간의 관계와 도메인 내에서의 중요성에 대한 통찰력을 제공할 수 있습니다. 데이터만 가지고는 알 수 없는 관련 요소들을 식별할 수 있습니다. 도메인 전문 지식을 활용하.. 2023. 5. 24. 이전 1 2 3 다음
