PAC 학습 이론 창시자 레슬리 밸리언트 인터뷰: 기계학습 이론 40년의 전개와 교육 가능성이라는 다음 질문
튜링상 수상자 레슬리 밸리언트가 1980년대 초 PAC 학습 모형을 만든 배경과 부스팅·학습 불가능성 증명으로 이어진 이론의 전개, 그리고 학습과 추론을 함께 담으려는 '교육 가능성' 연구를 직접 설명한다.
핵심 내용 읽기 →
AI TOPIC
부스팅 최신 뉴스와 핵심 해설
부스팅 관련 핵심 뉴스와 활용 인사이트 3편을 최신순으로 모았습니다.
CatBoost 원리 정리: 확장 평균 타깃 인코딩과 순서형 부스팅이 과적합을 막는 방법
표 형태 데이터에서 좋은 성능을 내는 CatBoost가 어떻게 동작하는지 살펴본다. 타깃값으로 범주형 변수를 인코딩할 때 생기는 데이터 누수와, 부스팅 반복 자체가 만드는 누수를 막는 두 기법을 정리했다.
핵심 내용 읽기 →
그래디언트 부스팅 원리 정리: 약한 학습기·손실 함수·경사하강으로 보는 작동 방식
현업에서 바로 쓰이는 강력한 모델 그래디언트 부스팅을 쉽게 설명합니다. 약한 학습기를 더해 가는 부스팅 개념, 손실 함수의 기울기로 이전 오차를 학습하는 단계, 경사하강과의 관계, 그리고 해석성·과적합 같은 한계까지 짚었습니다.
핵심 내용 읽기 →