Hello COCOBALL!

Overfitting모델이 학습 데이터에 너무 맞추어져서 새로운 데이터에 대해 일반화되지 않는 현상을 의미한다. 모델이 학습 데이터의 노이즈와 세부 사항까지 학습하여 복잡하고 불필요한 패턴을 인식하게 되는데, 이는 학습 데이터에 대한 성능은 높지만 테스트 데이터나 실제 데이터에 대한 성능은 낮아지는 결과를 초래한다.학습 데이터가 부족하거나, 데이터의 특성에 비해 모델이 너무 복잡한 경우에 발생한다.(학습 데이터보다 모델의 파라미터 개수가 더 많은 경우)Train dataset에 대한 loss는 계속 떨어지는 반면 test dataset에 대한 loss는 감소하다가 다시 증가하는 추세를 보인다. 원인모델이 너무 복잡하여 많은 매개변수를 가지고 있을 때(Model Capacity : 파라미터의 개수, 모델이..

머신러닝(Machine Learning)컴퓨터가 명시적인 프로그래밍 없이 데이터를 분석하고 패턴을 학습하여 새로운 데이터를 예측하거나 분류, 의사결정을 내릴 수 있도록 하는 기술이다. 머신러닝 주요 개념1. 지도학습(Supervised Learning)입력 데이터와 그에 상응하는 출력 데이터(정답, label)이 주어지는 학습 방식이다. 모델은 이 데이터를 기반으로 입력과 출력 간의 관계를 학습하고, 이러한 방법을 통해 새로운 데이터가 주어진 경우 상응하는 출력 데이터를 예측하는 것이 가능하다.지도학습 알고리즘 : 선형 회귀, 로지스틱 회귀, 서포트 벡터 머신(SVM), 결정 트리, 랜덤 포레스트, 신경망 등예시 : 이미지 분류, 스팸 메일 필터링, 질병 예측 등 2. 비지도학습(Unsupervised ..