본문 바로가기

머신러닝학습2

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.

이전 1 다음

티스토리툴바