문베디드 인생

좋은 글이 있어 공유합니다. bskyvision.com/476 티스토리에서 LaTeX 수식 사용하기 (오예~) 티스토리 에디터가 바뀌면서 기존의 수식편집기가 사라졌다. 포스팅을 하면서 수식을 사용하는 빈도가 많은 나로써는 약간 당황스러웠다. 하지만 오히려 더 좋은 기회가 된 것 같다. 티스토리 bskyvision.com 또한 Tex 문법을 알면 더 좋기 때문에 이것도 공유합니다. ko.wikipedia.org/wiki/%EC%9C%84%ED%82%A4%EB%B0%B1%EA%B3%BC:TeX_%EB%AC%B8%EB%B2%95 위키백과:TeX 문법 - 위키백과, 우리 모두의 백과사전 위키백과, 우리 모두의 백과사전. 위키백과에서는 수학 공식을 간편하게 입력하기 위해, TeX 문법을 지원합니다. 이것은 수식이..

* 과적합이란 - 복잡한 모형일수록, 데이터가 적을 수록 과적합이 일어나기 쉬움 - 데이터에 대한 고차항을 넣었을때 만들어지는 이슈 - 과적합은 data science, AI전반적으로 매우 큰 이슈 - overfitting을 방지하기 위한 기술들만 발전하고 있을뿐, 아예 없앨수 있는 방법은 아직 없음 * 분산(Variance)와 편파성(Bias)의 트레이드오프 (Tradeoff) Dilemma - 모형 F햇(X) 모집단 전체 데이터를 예측시 발생하는 총 에러를 계산시 reducible/irreducible 에러로 표현됨 - reducible error는 분산과 편파성으로 구성 $E(Y-\hat{Y})^2=E[f(X)+\epsilon - \hat{f}(X)]^2 = Var (\hat{f}(X))+[Bias..

* 모형의 적합성을 평가하는 방법 - MSE(Mean Squared Error)는 낮을 수록 좋음, 높은 경우 fitting이 덜된것(under fitting) - 학습집합의 MSE는 모형의 복잡도에 따라 달라지고, 복잡할수록 감소하지만 과적합(overfitting)문제 발생 가능 * 데이터 분할 - 학습데이터와 시험데이터로 분할 필요 (Training Test - 8:2, 7:3 정도/Training Validation Test - 5:3:2 정도) - 보통 Training Validation Test 구분하여 나눠서 진행 - 학습데이터: 모형 f를 추정하는데 사용 - 검증데이터: 모형 f가 잘 설계 됐는지 사용(k값 피드백 줄수 있음) - 시험데이터: 모형 f에 대한 성능평가 이 데이터로 학습 x -..