지도학습 1강
33 Questions
4 Views

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

다음 중 지도학습의 예시에 해당하지 않는 것은?

  • 무작위 데이터 생성 (correct)
  • 텍스트 분류
  • 다음 단어 예측
  • 이미지 분류

    • 음성 인식은 지도학습의 한 예이다.

    False

    CIFAR10 데이터셋의 주 용도는 무엇인가?

    이미지 분류

    다음 단어 예측의 예: 고양이가 ___________ 위에 앉아 있다.

    <p>매트</p> Signup and view all the answers

    지도학습의 예시와 해당 방법을 짝지어 보세요:

    <p>이미지 분류 = CIFAR10 데이터셋 텍스트 분류 = 긍정적 / 부정적 텍스트 다음 단어 예측 = 문맥에 따른 단어 예측 방법 가격 예측 = 주식 가격 예측</p> Signup and view all the answers

    기계 학습에서 지도 학습의 주된 목표는 무엇인가요?

    <p>진짜 함수와 유사한 함수를 찾는 것</p> Signup and view all the answers

    비지도 학습은 데이터를 사용하여 라벨 없는 데이터의 패턴을 찾는 것이다.

    <p>True</p> Signup and view all the answers

    지도 학습의 한 가지 유형은 무엇인가요?

    <p>분류 또는 회귀</p> Signup and view all the answers

    기계 학습은 컴퓨터가 ___ 없이 학습할 수 있는 능력을 부여하는 연구 분야이다.

    <p>명시적으로 프로그래밍</p> Signup and view all the answers

    다음 함수를 올바른 함수 클래스와 매칭하세요:

    <p>분류 = 이산 (유한) 값 회귀 = 연속 (실수) 값</p> Signup and view all the answers

    지도 학습의 손실 함수는 무엇을 최소화하려고 하나요?

    <p>손실</p> Signup and view all the answers

    선형 회귀는 데이터가 비선형일 때 잘 작동한다.

    <p>False</p> Signup and view all the answers

    점별 손실이란 무엇을 의미하나요?

    <p>주어진 데이터 포인트의 예측 값과 실제 값의 차이를 측정하는 방법.</p> Signup and view all the answers

    선형 회귀에서 손실 함수로 주로 사용되는 것은 무엇입니까?

    <p>평균 제곱 오차 (MSE)</p> Signup and view all the answers

    선형 회귀는 훈련 데이터가 레이블이 있는 경우에만 사용된다.

    <p>True</p> Signup and view all the answers

    선형 회귀에서 긍정적 상관관계를 가진 두 변수의 예를 하나 제시하시오.

    <p>키와 몸무게</p> Signup and view all the answers

    선형 회귀에서 각 점과 예측 값 사이의 _______________를 최소화한다.

    <p>오차</p> Signup and view all the answers

    선형 회귀와 관련된 용어를 연결하시오:

    <p>MSE = 미분 가능 Function Class = 모델 Loss Function = 최소화 Positive Correlation = 상관관계</p> Signup and view all the answers

    다음 중 선형 회귀의 주요 구성 요소가 아닌 것은 무엇입니까?

    <p>클러스터링</p> Signup and view all the answers

    오버피팅을 인식하는 방법으로 올바르지 않은 것은?

    <p>훈련 손실이 훈련 세트보다 작다.</p> Signup and view all the answers

    훈련 세트가 전체 데이터의 20%를 차지한다.

    <p>False</p> Signup and view all the answers

    훈련 손실이 검증 손실과 비슷할 때 무엇이 좋다고 말할 수 있는가?

    <p>일반화</p> Signup and view all the answers

    훈련 세트의 데이터는 약 _______%를 구성한다.

    <p>80</p> Signup and view all the answers

    다음 훈련 관련 용어와 설명을 맞춰 보세요:

    <p>훈련 세트 = 모델을 적합시키기 위한 데이터 세트 검증 세트 = 모델을 검증하기 위한 데이터 세트 테스트 세트 = 모델을 테스트하기 위한 별도의 데이터 세트 오버피팅 = 훈련 세트에 너무 잘 적합하여 일반화가 잘 되지 않는 상태</p> Signup and view all the answers

    오버피팅 상태에서 일반적으로 관찰할 수 있는 특징은 무엇인가?

    <p>훈련 손실이 0에 가까우며 검증 손실이 더 큼</p> Signup and view all the answers

    다음 중 선형 회귀의 손실 함수로 올바른 것은 무엇인가?

    <p>Mean Squared Error (MSE)</p> Signup and view all the answers

    다변량 선형 회귀는 항상 곡선형 데이터를 잘 모델링할 수 있다.

    <p>False</p> Signup and view all the answers

    Overfitting이란 무엇인가?

    <p>모델이 훈련 데이터에 너무 잘 맞아 일반화 능력을 상실하는 현상.</p> Signup and view all the answers

    선형 회귀의 손실 함수는 주로 __________로 정의된다.

    <p>평균 제곱 오차 (MSE)</p> Signup and view all the answers

    다음 모델 클래스와 손실 함수를 매칭하십시오:

    <p>선형 회귀 = MSE 로지스틱 회귀 = 크로스 엔트로피 서포트 벡터 머신 = 힌지 손실 회귀 나무 = 제곱 오차</p> Signup and view all the answers

    다음 중 다차원 입력에 추가할 수 있는 특성에 대한 설명으로 옳은 것은 무엇인가?

    <p>적절한 특성을 선택하면 모델의 표현력이 향상된다.</p> Signup and view all the answers

    데이터가 많을수록 모델의 성능이 항상 향상된다.

    <p>True</p> Signup and view all the answers

    Gradient가 0일 때 어떤 상황인가?

    <p>극대값 또는 극소값.</p> Signup and view all the answers

    Study Notes

    지도학습 개요

    • 지도학습은 주어진 데이터와 레이블을 통해 모델을 학습시키는 기술.
    • 주요 응용 분야: 이미지 분류, 텍스트 분류, 다음 단어 예측, 번역, 가격 예측.

    이미지 및 텍스트 분류

    • CIFAR10: 이미지 분류 데이터셋의 하나.
    • 텍스트 분류는 긍정적인 감정 또는 주제를 기준으로 구분.

    다음 단어 예측

    • 문장 예시: "The cat sat on the ___________"
    • 각 단어의 예측 확률: table (30%), chair (35%), mat (32%) 등.

    지도학습의 특징

    • 데이터는 보통 벡터 형태로 제공.
    • 레이블과 데이터셋의 구성 필요.

    전통적 알고리즘과 머신러닝

    • 전통적 알고리즘: 규칙 기반으로 전문가의 지식에 의존.
    • 머신러닝: 데이터 기반으로 알고리즘이 스스로 학습하도록 함.

    머신러닝 및 지도학습 구조

    • 지도학습: 분류와 회귀로 나뉨.
    • 분류: 이산적인 값, 회귀: 연속적인 값.

    다중치형 회귀 분석

    • 고도와 체중 간의 관계를 다룰 때 다차원 모델 클래스를 활용.
    • 손실 함수로 평균 제곱 오차(MSE)를 사용.

    오버피팅 및 언더피팅

    • 오버피팅: 모델이 훈련 데이터에 지나치게 적합되어 일반화 성능 저하.
    • 언더피팅: 모델이 훈련 데이터를 충분히 학습하지 못한 상태.
    • 바이어스-분산 트레이드오프: 모델 복잡성과 일반화 사이의 균형을 찾는 것이 중요.

    데이터셋 구성

    • 훈련 세트: 전체 데이터의 약 80%로 모델 학습에 사용.
    • 검증 세트: 나머지 20%로 모델 성능 평가.
    • 테스트 세트: 모델의 최종 성능 평가를 위한 별도의 데이터셋.

    모델 평가 및 조정

    • 훈련 오류와 검증 오류의 근접성은 모델의 일반화 성능을 나타냄.
    • 오컴의 면도날: 최소한의 가정으로 설명할 수 있는 모델이 가장 바람직함.

    Studying That Suits You

    Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

    Quiz Team

    Related Documents

    Supervised Learning Slides PDF

    Description

    이 퀴즈는 지도학습의 개요 및 다양한 응용 분야에 대해 다룹니다. CIFAR10을 통한 이미지 분류, 텍스트 분류, 다음 단어 예측 등의 주제를 포함하고 있습니다. 지도학습의 기본 개념에 대해 알아보세요.

    More Like This

    Use Quizgecko on...
    Browser
    Open
    Browser
    Browser