머신러닝 프로세스 이해하기 - 모델 검증과 평가 ( Validation & Evaluation ) & 하이퍼 파라미터(Hyperparameter Optimization)

Validation ( 검증 ) 머신러닝의 프로세스에서 전체 데이터를 학습데이터와 훈련데이터로 나누는 단계는 매우 중요한 단계입니다. 학습 데이터로 모델을 생성한 뒤에 중간 과정을 생략한 후 테스트 데이터로 모델을 평가한다면, 이렇게 생성된 모델은 과적합이나 과소적합이 발생할 우려가 있습니다. 이런 문제를 해결하기 위해서 테스트 데이터 전에 자신을 점검해 볼 수 있는 과정이 필요한데, 그 과정을 검증(Validation)이라고 하며 검증에 사용하는 데이터셋을 검증 데이터셋(Validation dataset)이라고 합니다. 검증 데이터셋은 학습 데이터셋의 일부를 사용합니다. Various Validation 머신러닝 모델의 검증 방법은 크게 3가지로 나눌 수 있습니다. 첫 번째가 Holdout, 두 번째가..

• format_list_bulleted 카테고리 없음
• · 2022. 11. 2.

로지스틱 회귀 ( Logistic Regression )

로지스틱 회귀는 선형 회귀 방식을 분류(classification)에 적용한 알고리즘입니다. 즉, 로지스틱 회귀는 분류에 사용됩니다. 하지만 로지스틱 회귀 역시 선형 회귀 계열입니다. 지난 포스팅에서 회귀에 관해 설명할 때 , 회귀가 선형인가 비선형인가는 독립변수가 아닌 가중치(weight) 변수가 선형인지 아닌지를 따릅니다. 로지스틱 회귀가 선형 회귀와 다른 점은 학습을 통해 선형 함수의 회귀 최적선을 찾는 것이 아니라 시그모이드(Sigmoid) 함수 최적선을 찾고 이 시그모이드 함수의 반환 값을 확률로 간주해 확률에 따라 분류를 결정한다는 것입니다. 시그모이드 함수는 x 값이 +,- 로 아무리 커지거나 작아져도 y 값은 항상 0과 1 사이 값을 반환합니다. x 값이 커지면 1에 근사하며 x 값이 작아..

• format_list_bulleted 카테고리 없음
• · 2022. 9. 30.