https://colab.research.google.com/drive/1HoN9NWkEgxeynLSZvh9DSxg94iUWhexQ?usp=sharing

기본 미션

03-1 확인문제 2번 그래프 인증하기 (Perch_01.ipynb)

추가 미션

모델 파라미터에 대해 설명하기 (cf. 하이퍼파라미터)

• 머신러닝 알고리즘이 특성에서 훈련(학습)을 거쳐 찾은 값으로, 선형 회귀에서의 coef_(기울기, 계수), intercept_(절편)와 같은 값을 의미함.
• 모델이 학습을 통해 찾은 모델 파라미터와 달리 학습하기 전 모델에게 알려줘야 하는 값을 하이퍼파라미터(초매개변수)라 함.
  • 사이킷런에서는 모델 클래스의 매개변수로 전달하여 표현함. ex. Ridge(alpha=0.1), Lasso(alpha=1, max_iter=10000)

실습 내용

Perch_01.ipynb - Colab.pdf

Perch_02.ipynb - Colab.pdf

Perch_03.ipynb - Colab.pdf

Perch_03_Regulation.ipynb - Colab.pdf

공부 내용 회고

분류에 이어서 회귀(예측)에 대한 머신러닝 알고리즘을 익혀보는 시간이었다. 이번에는 농어라는 물고기를 가지고 이야기가 전개되었다. 무게를 예측하기 위해 처음에는 길이라는 특성 하나에서 높이와 두께를 포함한 특성 세 가지를 사용하는 다중 회귀 그리고 특성을 좀 더 복잡하게 하고자 차원을 늘려 예측하는 다항 회귀(역시 선형 회귀)까지.

물론, 학습 차원에 있어서 회귀 모델을 기반으로 무게를 예측해보면(Perch_03_Regulation) 마이너스 무게가 나오는 어색한 결과가 나오기도 한다. 하이퍼파라미터를 조정해서 그렇게 나오지 않도록 조정을 했지만 이러한 결과로 인해 선형 회귀가 가지는 맹점이라는 저자님 의견도 볼 수 있었다.

”확률적 경사 하강법” 이란 용어가 등장한 걸 보면 이제 슬슬 머신러닝에 빠져 들어갈 시간이 온 듯 하다. 4장에 관련 내용이 있으니 잘 읽어봐야 겠다.