ai2 선형회귀와 DNN의 의미와 차이 선형 회귀 (Linear Regression)의미:선형 회귀는 종속 변수와 하나 이상의 독립 변수 사이의 선형적인 관계를 모델링하는 가장 기본적인 회귀 분석 기법입니다. 간단히 말해, 주어진 독립 변수(들)의 값을 기반으로 종속 변수의 값을 예측하는 데 사용됩니다. 모델은 독립 변수와 종속 변수 사이의 최적의 직선(또는 고차원에서는 초평면)을 찾아 데이터를 가장 잘 설명하려고 합니다. 수식:단순 선형 회귀 (독립 변수가 하나인 경우): y=wx+by: 종속 변수 (예측하고자 하는 값)x: 독립 변수 (예측에 사용되는 값)w: 가중치 (기울기), 독립 변수가 종속 변수에 미치는 영향의 크기b: 편향 (절편), 독립 변수가 0일 때 종속 변수의 값다중 선형 회귀 (독립 변수가 여러 개인 경우): y=w1x.. 2025. 4. 14. Hyperparameter 머신러닝에서 **하이퍼파라미터(Hyperparameter)**는 모델 학습 전에 사용자가 직접 설정해야 하는 값입니다. 이는 모델의 구조나 학습 방식을 결정하며, 학습 과정 자체에는 영향을 미치지 않습니다. 반대로 모델 파라미터(Parameter)는 학습 데이터로부터 모델이 스스로 학습하는 값(예: 신경망의 가중치, 선형 회귀의 계수)입니다.하이퍼파라미터는 모델의 성능에 큰 영향을 미치므로, 적절한 값을 찾는 과정(하이퍼파라미터 튜닝)이 중요합니다. 하이퍼파라미터의 예시:신경망(Neural Network):학습률(Learning Rate): 모델이 가중치를 얼마나 크게 업데이트할지 결정합니다.배치 크기(Batch Size): 한 번의 업데이트에 사용할 데이터 샘플의 개수입니다.에포크 수(Number of.. 2025. 4. 14. 이전 1 다음