Textbook - Deep Learning (심층학습) (18) 썸네일형 리스트형 5.1 학습 알고리즘 기계 학습 알고리즘은 자료로부터 뭔가를 학습하는 능력을 가진 알고리즘 학습(learning)에 대한 간결한 정의가 [Mitchell, 1997]에 나온다. 한 컴퓨터 프로그램이 어떤 과제류 T에 속하는 과제들을 수행하며 그 수행의 성과를 측정한 측도가 P라고 할 때, 만일 어떤 경험 E 때문에 T의 어떤 과제에 대한 성과 측도 P가 개선되었다면, 그 컴퓨터 프로그램은 경험 E로부터 학습한다고 말할 수 있다. 기계 학습 알고리즘들은 학습 과정에서 허용되는 경험의 종류에 따라 크게 비지도 학습과 지도 학습으로 나뉜다. 비지도 학습 알고리즘은 다수의 특징을 담은 자료 집합을 경험하고, 구조가 가진 유용한 성질들을 배운다. 심층 학습의 맥락에서 학습 알고리즘의 목표는, 주어진 자료 집합을 만들어 낸 생성원에 해.. 5.0 개요 이번 장에서는... 훈련 자료의 적합에서 겪는 어려움이 새 자료로 일반화되는 패턴을 찾을 때 겪는 어려움들과 어떻게 다른지 살펴본다. 초매개변수(hyperparameter)를 정하는 방법을 논의한다. 다음과 같은 것들을 설명한다. 지도 학습과 비지도 학습 최적화 알고리즘, 비용함수, 모형, 자료 같은 다양한 알고리즘 구성요소들을 조합해서 하나의 기계학습 알고리즘을 구축하는 방법 전통적인 기계학습의 일반화 능력을 제한하는 몇 가지 요소들 본질적으로 기계학습은 응용통계학의 한 형태이다. 일반적인 통계학과는 달리 기계 학습은 컴퓨터를 이용해서 복잡한 함수를 통계적으로 추정하는 것을 좀 더 강조하고, 그런 함수들이 속하는 신뢰구간(confidence interval)을 증명하는 데는 관심을 덜 둔다. 이번 장에.. 이전 1 2 3 다음