로딩
요청 처리 중입니다...

[머신러닝/딥러닝] 2. 머신러닝 알아가기 - 데이터 분할 방법 train validation test data feature engineering inference 일반화 성능

 [머신러닝/딥러닝] 2. 머신러닝 알아가기 - 데이터 분할 방법 train validation test data feature engineering inference 일반화 성능

지난 시간에 우리는 인공지능과 머신러닝, 딥러닝의 차이점과 간단한 정의, 그리고 역사에 대해 알아봤습니다. https://blog.naver.com/dorergiverny/223219574768 [머신러닝/딥러닝] 1. 인공지능 머신러닝 딥러닝 기계학습 artificial intelligence machine learning deep representation 정의 차이 지난 시간에는 별도의 환경설정 없이 머신러닝과 딥러닝을 학습할 수 있는 코랩 colab 환경에 대해 알아봤... blog.naver.com 이번 시간에는 머신러닝에 대해 좀 더 깊이 알아보겠습니다.

머신러닝은 파라미터에 따라 동작하는 알고리즘을 선택하고 이 알고리즘에 데이터를 제공하여 알고리즘이 더 나은 동자을 하도록 파라미터를 수정하는 것이라고 할 수 있습니다. 따라서 머신러닝의 핵심적인 문제는 알고리즘과 데이터 입니다.

머신러닝에서 다루어지는 주요한 문제들도 이 두가지에 관련된 것들이며 다음과 같은 것들을 포함합...

# bias # train # underfitting # validation # 과대적합 # 과소적합 # 과적합 # 기계학습 # 데이터 # 딥러닝 # 머신러닝 # 분할 # 성능 # 일반화 # test # set # curve # data # engineer # epoch # feature # generalization # hyperparameter # inference # label # learning # overfitting # predict # rate # 편향