또자의 코딩교실

activation(활성화함수) - 자극에 대한 반응여부를 결정하는 함수 ✅ 문제 유형에 따라 사용되는 활성화 함수와 오차함수 종류 문제 유형 출력층 활성화 함수 오차함수 회귀 linear mean_squared_error 이진 분류 sigmoid binary_crossentropy 다중 분류 softmax categorical_crossentropy 이진분류는 Sigmoid함수를 사용(0과 1로 분류) (0.5를 기준으로 높고 낮은지에 대한 확률 정보를 바탕으로 최종 출력을 결정함) 입력층에서 sigmoid함수는 기울기 손실이라는 단점이 발생함 softmax = 입력받은 값을 출력으로 0~1사이의 값으로 모두 정규화하며 출력 값들의 총합은 항상 1이 되는 특성을 가진 함수 ✅ Back Propagati..

선형모델 : 데이터를 선형 함수로 구분하는 모델. 학습에서 나온 선형함수로 새로운 데이터를 예측함 ✅ 작동방식 입력 특성에 대한 선형 함수를 만들어 예측을 수행함 선형모델은 분류와 회귀문제 모두 해결 가능함 - 분류 : 정답으로 사용할 수 있는 label이 정해져 있음. (=정해진 정답의 종류 중에서 하나를 예측) - 회귀 : 정답으로 사용할 수 있는 label이 정해져 있지 않음. (=정답으로 삼을 수 있는 종류가 엄청나게 많으며 주로 숫자를 예측함.) ✅ 장단점 결과 예측(추론)속도가 빠르다. 대용량 데이터에도 충분히 활용 가능하다. 특성이 많은 데이터 세트라면 훌륭한 성능을 낼 수 있다. 특성이 적은 저 차원 데이터에서는 다른 모델의 일반화 성능이 더 좋을 수 있다. >> 특성확장 필요 과대적합되기..