머신러닝/딥러닝을 위한 통계

이 식은 likelihood 함수(가능도 함수)를 정의하는 기본적인 수식구체적으로 설명하면:L(θ): Likelihood 함수를 의미합니다. θ(세타)에 대한 함수입니다.P(B|θ): 특정 매개변수 θ가 주어졌을 때, 관측된 데이터 B가 발생할 조건부 확률을 의미합니다

로지스틱 회귀와 최대 가능도 추정법의 관계를 단계별로 설명로지스틱 회귀 모델:P(구매|x) = 1/(1 + e^(-θ₀ - θ₁×나이 - θ₂×월소득))이 식은 특정 나이와 월소득을 가진 사람의 구매확률을 예측likelihood 함수 만들기:각 데이터에 대한 확률을 곱

서울 강남의 아파트 가격을 예측하는 모델을 만든다고 합시다.편향(Bias)정의: 모델의 예측값이 실제값으로부터 얼마나 멀리 떨어져있는지를 나타냅니다높은 편향의 예:이 모델은 평수만 고려하고 다른 중요한 변수들(지하철역과의 거리, 건물 연식, 학군 등)을 무시합니다. 따

L1과 L2 정규화의 핵심 차이수식 비교그래프 모양미분 특성이 가중치에 미치는 영향실제 결과 예시주요 특징과 용도이러한 차이가 나타나는 근본적인 이유는 바로 그래프 모양 때문입니다:L1은 V자 모양이라 뾰족한 지점(w=0)에서 정확히 멈출 수 있음L2는 U자 모양이라