📌 Machine Learning
- 데이터의 분리
- 학습용 데이터인 Training Data와 검증용 데이터인 Testing Data로 나뉜다.
- 단, Testing Data는 절대로 학습에 사용되면 안되며, 구성 비율을 골고루 두어야 한다.
- 손실함수 : 모델의 예측값과 실제 값의 차이를 확인하고자 하는 방법이다.
- 전통적인 ML : 모델의 기능과 모델의 최적화가 성능의 핵심 요소다.
- 최신 DL : 네트워크의 구조와 데이터의 수가 성능의 핵심 요소다.
- 경사하강법
- Big learning rate : 최적의 성능을 찾다 발산하는 경우가 발생함
- Small learning rate : 성능이 좋아지지만, 너무 오랜 시간이 소요됨
- 회귀 : 실제 숫자를 예측하는 경우에 사용한다.
- 분류 : 데이터를 여러개의 클래스로 나누는 경우에 사용한다.
