머신러닝에 대해서는 아래의 유튜브를 통해 학습하였다. Gradient Descent (경사 하강법) 경사 하강법은 머신 러닝과 최적화 알고리즘에서 매개변수를 조정하여 함수의 최솟값을 찾는 기법이다. 주어진 함수의 기울기를 활용하여 최적의 매개변수 값을 찾아가는 방법이다. 경사 하강법은 일반적으로 손실 함수를 최소화하는데 사용된다. 손실 함수는 모델의 예측값과 실제값 사이의 차이를 나타내는 함수로, 모델의 성능을 평가하는 지표이다. 경사 하강법은 손실 함수의 기울기를 따라 가장 빠르게 감소하는 방향으로 매개변수를 업데이트하여 최적의 매개변수 값을 찾아낸다. 경사 하강법에서 매개변수는 일반적으로 2가지가 있다. - 학습률 (learing rate): 평가 하는 데이터의 보폭, 일반적으로 (0.001, 0.0..

머신러닝에 대해서는 아래의 유튜브를 통해 학습하였다. 데이터 세트 분리 데이터 세트 분리는 머신 러닝 모델을 학습, 검증 및 테스트하기 위해 사용되는 데이터를 적절하기 나누는 과정이다. 일반적으로 우리가 가지고 이는 데이터를 훈련 세트와, 테스트 세트로 분류를 하게 된다. 전체 데이터의 80에 해당하는 만큼을 가지고 머신 러닝 모델을 훈련시킨 다음, 나머지 20에 해당하는 테스트 세트로 모델이 잘 동작하는가 평가를 하게 된다. 데이터 세트 분리의 목적은 모델이 학습 데이터에 과적합 되지 않고 새로운 데이터에 대해 일반화할 수 있는 능력을 갖추도록 하는 것이다. 학습 세트를 사용하여 모델을 학습시키고 검증 세트를 사용하여 모델의 성능을 조정하며, 테스트 세트를 사용하여 최종적인 성능을 평가한다. 데이터 세..

머신러닝에 대해서는 아래의 유튜브를 통해 학습하였다. Linear Regression (선형 회귀) 선형 회귀는 통계학과 머신 러닝에서 가장 기본적이고 널리 사용되는 예측 모델 중 하나로, 입력 변수와 출력 변수 간의 선형 관계를 모델링하려는 것이다. 간단히 말해, 선형 회귀는 주어진 입력 변수에 대해 출력 변수를 예측하는 작업을 수행한다. 입력 변수는 종종 '독립 변수' 또는 '특성' 이라고도 불리며, 출력 변수는 '종속 변수' 라고도 불린다. 선형 회귀는 입력 변수와 출력 변수 사이의 선형적인 관계를 가정하고, 이 관계를 통해 새로운 입력 값에 대한 출력 값을 예측하는 것이 목표이다. 선형 회귀는 기본적으로 선형 방정식을 통해 모델을 구성한다. 간단한 경우를 살펴보자. 하나의 입력변수(x)와 하나의 ..

안드로이드 개발자를 목표로 하고 있는 사람으로서 머신러닝을 공부하지 않는다는 것은 한계가 분명 명확할 것이라고 생각한다. 머신러닝을 완벽하게는 아니더라도 어떤게 있고 나중에 프로젝트를 진행할 때, 어떤 방식으로 머신러닝을 진행하야 하는지, 학습방식은 어떤 방식이 있는지에 대해 미리 알고 있는것은 나중에 나에게 그런 일이 주어졌을 때에 큰 힘이 될 것이다. 그래서 이제부터 머신러닝은 어떤것이고, 어떤 학습방식이 있는지에 대해서 알아보려고 한다. 머신러닝에 대해서는 아래의 유튜브를 통해 학습하였다. 머신러닝이란? 머신러닝은 컴퓨터 시스템이 데이터로부터 학습하고 패턴을 식별하며 예측하는 방법이다. 기본적으로, 머신러닝은 명시적인 프로그래밍 없이 데이터를 분석하여 패턴과 통찰력을 발견하고 이를 기반으로 결정을 ..