본문 바로가기

분류 전체보기42

딥러닝 출력층에서 소프트맥스 함수가 사용되는 이유 딥러닝에서 이미지 분류나 문장 분류와 같은 다중 클래스 분류 문제를 풀기 위해서는 클래스별로 예측 확률을 계산할 수 있어야 합니다. 이때 가장 많이 쓰이는 함수가 바로 소프트맥스 함수(Softmax Function)입니다. 소프트맥스는 여러 개의 숫자 출력값을 확률 값(총합 1)으로 변환해 주기 때문에 출력층에서 각 클래스에 속할 확률을 직접적으로 얻을 수 있게 도와줍니다. 이번 글에서는 소프트맥스 함수의 개념, 수식, 특징, 사용 위치 등을 시각적으로 정리해보겠습니다.📚 목차1. 소프트맥스 함수란?2. 소프트맥스 수식과 계산 원리3. 소프트맥스의 특징4. 언제, 어디서 사용되는가?5. 마무리 요약1. 소프트맥스 함수란?소프트맥스 함수(Softmax Function)는 주어진 실수 벡터를 확률 분포로 .. 2025. 4. 9.

신경망의 구조 – 입력층, 은닉층, 출력층 완벽 이해하기 딥러닝을 공부하다 보면 가장 먼저 접하는 단어가 바로 "신경망(Neural Network)"입니다. 그리고 그 구조를 이해하는 데 있어 가장 기본이 되는 개념은 바로 **입력층, 은닉층, 출력층**입니다. 신경망은 단순한 선형 모델과 달리 여러 개의 노드(Node)와 층(Layer)으로 구성되어 있으며, 데이터가 입력에서 출력으로 흐르면서 점점 더 복잡한 패턴을 학습합니다. 이번 글에서는 인공신경망의 기본 구조를 이루는 세 가지 층에 대해 쉽고 명확하게 정리해보겠습니다.📚 목차1. 신경망이란 무엇인가?2. 입력층(Input Layer)3. 은닉층(Hidden Layer)4. 출력층(Output Layer)5. 층 구조가 중요한 이유6. 마무리 요약1. 신경망이란 무엇인가?신경망(Neural Networ.. 2025. 4. 9.

경사하강법과 미분 – 머신러닝이 배우는 원리 완전 정리 머신러닝과 딥러닝에서 모델이 학습을 한다는 건, 단순히 데이터를 외우는 게 아닙니다. 모델이 점점 더 정확한 예측을 하기 위해 **조금씩 스스로를 개선**해나가는 과정이죠. 그 핵심에 있는 것이 바로 경사하강법(Gradient Descent)입니다. 그리고 이 경사하강법은 고등학교 수학 시간에 배운 **“접선의 기울기”, 즉 미분값**과 놀랍도록 깊은 관련이 있습니다. 이번 글에서는 머신러닝이 오차를 줄여나가는 과정을 미분의 시선으로 쉽게 풀어보겠습니다.📚 목차1. 경사하강법이란?2. 비용 함수와 최소값 찾기3. 접선의 기울기 = 미분값이 왜 중요할까?4. 경사하강법이 작동하는 과정5. 학습률(learning rate)의 의미6. 마무리 요약1. 경사하강법이란?경사하강법(Gradient Descent).. 2025. 4. 8.

비용 함수란? 머신러닝 모델의 오차를 측정하는 핵심 개념 머신러닝에서 모델을 학습시킬 때 가장 중요한 기준은 "정확한 예측을 하는가?" 입니다. 그 정확도를 수치화하고, 모델의 성능을 평가하는 핵심 도구가 바로 비용 함수(Cost Function)입니다. 비용 함수는 전체 데이터에서 모델이 얼마나 오차를 내고 있는지를 수치로 표현한 함수이며, 이 값이 작아질수록 모델의 예측이 정답에 가까워진다는 뜻입니다. 이번 글에서는 비용 함수의 개념과 역할, 종류를 쉽고 명확하게 정리해봅니다. 📚 목차1. 비용 함수란 무엇인가?2. 왜 비용 함수가 필요한가?3. 회귀에서의 비용 함수 종류4. 분류에서의 비용 함수 종류5. 비용 함수와 모델 학습의 관계6. 마무리 요약1. 비용 함수란 무엇인가?비용 함수(Cost Function)는 모델이 예측한 값과 실제 값 사이의 전체.. 2025. 4. 7.

종속변수로 구분하는 회귀 vs 분류 문제 – 연속변수·이산변수 완벽 이해하기 머신러닝을 처음 접할 때 가장 먼저 마주하는 질문 중 하나는 "이 문제는 회귀 문제일까, 분류 문제일까?"입니다. 그 해답의 핵심은 바로 **종속변수(타깃 변수)** 에 있습니다. 종속변수가 연속변수인지, 이산변수인지에 따라 문제 유형과 사용하는 알고리즘이 완전히 달라지기 때문이죠. 이번 글에서는 지도학습에서 **회귀 vs 분류 문제의 차이점**을 종속변수의 관점에서 이해하고, 어떤 경우에 어떤 모델을 써야 하는지 정리해봅니다.📚 목차1. 지도학습과 종속변수란?2. 회귀 문제의 종속변수: 연속변수3. 분류 문제의 종속변수: 이산변수 또는 범주형4. 회귀 vs 분류 문제 비교 정리표5. 마무리 요약1. 지도학습과 종속변수란?지도학습(Supervised Learning)은 **입력(X)** 과 **정답(Y.. 2025. 4. 6.

연속변수 vs 이산변수 – 데이터 타입 완전 정복 데이터 분석이나 머신러닝을 배우다 보면 "이건 연속변수인가요, 이산변수인가요?"라는 질문을 자주 접하게 됩니다. 변수의 특성을 제대로 이해하면, 어떤 분석 방법을 써야 할지, 어떤 시각화 기법이나 알고리즘을 적용할지를 명확히 알 수 있게 됩니다. 이번 글에서는 **연속변수(Continuous Variable)** 와 **이산변수(Discrete Variable)** 의 개념을 정리하고, 각 변수의 대표 예시와 머신러닝 적용 시 고려할 점까지 알아보겠습니다.📚 목차1. 변수란 무엇인가?2. 연속변수란?3. 이산변수란?4. 연속변수 vs 이산변수 비교5. 머신러닝 모델 적용 시 주의점6. 마무리 요약1. 변수란 무엇인가?변수(Variable)는 데이터에서 **관찰하거나 측정할 수 있는 속성**을 말합니다... 2025. 4. 6.

이전 1 2 3 4 5 ··· 7 다음

티스토리툴바