전통 머신러닝 vs LLM 분류 성능 비교: 보안 탐지에서 드러난 제로샷 언어 모델의 한계
익스펠의 사이버 데이터 사이언티스트가 네트워크 패킷 데이터로 전통 머신러닝과 언어 모델의 분류 성능을 비교했다. 정밀도와 재현율은 전통 모델이 앞섰지만, 학습이 필요 없는 제로샷 분류라는 언어 모델의 장점도 함께 확인됐다.
핵심 내용 읽기 →
AI TOPIC
XGBoost 최신 뉴스와 핵심 해설
XGBoost 관련 핵심 뉴스와 활용 인사이트 4편을 최신순으로 모았습니다.
XGBoost 입문 정리: 그래디언트 부스팅 원리와 주요 파라미터, 장단점과 활용 분야
캐글에서 가장 널리 쓰이는 머신러닝 라이브러리 XGBoost의 작동 원리와 설치법, n_estimators를 비롯한 주요 파라미터, 장단점과 실제 활용 분야, 면접 단골 질문까지 입문자 눈높이로 정리했다.
핵심 내용 읽기 →
LightGBM이란? 빠르고 정확한 머신러닝 그래디언트 부스팅 라이브러리 입문 정리
마이크로소프트가 개발한 LightGBM의 개념과 장단점, 주요 파라미터, XGBoost와의 차이, 실제 활용 사례까지 머신러닝 입문자를 위해 핵심만 정리했습니다.
핵심 내용 읽기 →
XGBoost 작동 원리: 정규화 손실함수·2차 테일러 근사·병렬 분할 탐색 정리
대규모 정형 데이터의 표준이 된 XGBoost가 일반 그래디언트 부스팅과 무엇이 다른지, 복잡도를 제어하는 정규화 손실함수와 2차 테일러 근사, 결측치 처리, 병렬 분할 탐색까지 핵심 원리를 정리했다.
핵심 내용 읽기 →