학습

학습(Training) 및 테스트 세트(Test Set) 학습 목표데이터 세트를 학습 세트와 테스트 세트로 구분하는 데 따르는 장점을 이해하기학습 세트(Training Set) 모델을 학습시키기 위한 데이터 세트의 일부분 테스트 세트(Test Set)모델을 테스트하기 위한 데이터 세트의 일부분새 데이터를 모의 실험하는 역할 평가 세트의 두 가지 조건통계적으로 유의미한 결과를 도출할 만큼 커야 한다.데이터 세트를 전체적으로 나타내야 한다. 즉, 테스트 세트가 학습 세트와 같은 특징을 가지도록 선별해야 한다. 절대로 해선 안되는 것 테스트 데이터로 학습하기모델이 새 데이터로 얼마나 효과적으로 일반화되는지 정확히 측정할 수 없게 된다.

머신러닝으로 전환하기 학습 목적선형 회귀에 관한 지식을 상기머신러닝에서의 가중치와 편향이 선형 회귀에서의 기울기 및 오프셋과 어떤 관계를 갖는 지 설명'손실'의 일반적인 개념과 그 중 특별히 제곱 손실에 대해 설명 선형 회귀(Linear Regression)점 집합에 가장 잘 맞는 직선 또는 초평면을 찾기 위한 가장 간단한 데이터 학습 방법 손실 함수주어진 예의 L2 손실은 제곱 오차라고도 합니다.= 예측과 라벨 간의 차이 제곱= (관찰 - 예측)2= (y - y')2 선형 관계에서의 데이터에 대한 근사치고 하나의 직선을 그린다면 일반적으로 이렇게 표현됩니다.y′=b+w1x1여기서y는 섭씨온도, 즉 예측하려는 값입니다.m은 선의 기울기입니다.x는 1분당 우는 횟수, 즉 입력 특성 값입니다.b는 y절편입니..