L3 정규화란 무엇인가 — 라쏘·릿지 너머의 제약 모양과 계수 크기를 맞추는 규제
라쏘와 릿지 사이가 아니라 그 바깥을 보면 무엇이 있을까. L3 정규화의 제약 영역이 어떤 모양이고 그것이 어떤 해를 선호하는지, 그리고 왜 교과서와 라이브러리에서 거의 보이지 않는지를 짚어 정리했다.
핵심 내용 읽기 →
AI TOPIC
선형회귀 최신 뉴스와 핵심 해설
선형회귀 관련 핵심 뉴스와 활용 인사이트 8편을 최신순으로 모았습니다.
스탠퍼드 CS229 강의 정리: 지도학습과 선형회귀, 확률적 경사하강법으로 보는 머신러닝 기초
스탠퍼드 CS229 지도학습 강의는 집값에 선을 하나 긋는 문제에서 출발해 오늘날 거대 모델을 굴리는 확률적 경사하강법까지 이어진다. 지나치게 단순해 보이는 알고리즘이 어떻게 규모를 감당하게 됐는지 짚는다.
핵심 내용 읽기 →
선형 회귀란 무엇인가: 회귀와 분류의 차이부터 비용 함수와 경사하강법까지 머신러닝 기초 정리
머신러닝의 첫 알고리즘인 선형 회귀를 회귀와 분류의 구분부터 최적의 직선과 잔차, 비용 함수에서 제곱을 쓰는 이유, 그리고 경사하강법의 학습률까지 수식이 뜻하는 바를 하나씩 짚어가며 차근차근 정리했습니다.
핵심 내용 읽기 →
경사 하강법 원리 단계별 정리: 손실 함수와 학습률로 최적값을 찾는 방법과 확률적 경사 하강법
선형 회귀의 절편과 기울기를 예시로, 경사 하강법이 손실 함수의 도함수를 따라 최적값에서 멀면 큰 걸음을, 가까우면 작은 걸음을 밟으며 다가가는 과정을 학습률과 확률적 경사 하강법(SGD)까지 곁들여 단계별로 설명한다.
핵심 내용 읽기 →
파이썬 머신러닝 입문 강의 정리: 회귀·릿지·라쏘 핵심 개념
파이썬 머신러닝 풀코스가 다루는 학습 로드맵과 핵심 개념을 정리했다. 데이터에서 의사결정으로, 특성(차원) 축소의 직관, 선형·다중 선형 회귀와 계수의 의미, 그리고 릿지와 라쏘의 차이를 통한 특성 선택까지 살펴본다.
핵심 내용 읽기 →
파이썬 사이킷런 첫 머신러닝 모델 만들기 선형회귀 랜덤포레스트 실습
구글 코랩과 사이킷런으로 용해도 데이터셋을 불러와 선형회귀와 랜덤포레스트 모델을 만들고 MSE·R²로 성능을 비교하는 첫 머신러닝 프로젝트 과정을 단계별로 정리했다.
핵심 내용 읽기 →
머신러닝 기본 용어 정리 — AI, 알고리즘, 모델, 학습·테스트 데이터 한눈에
머신러닝을 처음 접할 때 헷갈리는 핵심 용어를 22분 분량으로 정리한 영상 요약. AI와 ML의 차이부터 모델·모델 학습·학습 데이터와 테스트 데이터까지 예시로 짚는다.
핵심 내용 읽기 →
선형 회귀 핵심 정리 — 최소제곱법, R제곱, p값 쉽게 이해하기
데이터에 직선을 맞추는 선형 회귀에서 잔차 제곱합과 최소제곱법으로 최적의 선을 찾고, R제곱과 p값으로 예측의 정확도와 신뢰도를 정량화하는 방법을 사례로 풀어낸다.
핵심 내용 읽기 →