딥러닝의 개념

딥러닝

• 머신러닝의 여러방법 중 하나이며 데이터로부터 표현을 학습하는 새로운 방식

    딥(deep) : 연속된 층으로 표현을 학습한다.
    			 모델의 깊이, 모델을 얼마나 많은 층을 사용했는지

• 오차를 줄여나가며 지정한 횟수나 오차가 줄지 않을때까지 학습함

  💡목표
  학습 : 오차를 최소화하는 파라미터(가중치) 값을 찾는다.

인공신경망(ANN, Artificial Neural Network)

• 샘플데이터를 통한 훈련 작업

• 추론이 진행되는 동안 ANN은 학습된 규칙에 따라 제공된 데이터에 대한 평가 결과를 보고함

  	추론 : 훈련된 ANN을 사용하는 것

뉴런, 계층 및 연결

• 인공신경망은 서로 연결된 뉴런계층으로 구성
  • 입력, 출력 계층
• 링크 : 입력 값과 결과 값 사이의 연결
• 연결 값에는 각 연결의 가중치가 포함됨
• 입력값과 논리 값에 가중치를 반영하면 결과 개별 값이 생성됨

✓ lstat(하위계층 비율)로 medv(집값) 예측 ➡️ o 이 뉴런

훈련

인공 신경망(ANN)을 훈련할 때 초기 초점은 무작위로 설정 ➡️ 샘플데이터 추가됨

• 학습 규칙은 입력 데이터 및 예상 결과에 따라 관계의 가중치를 조정하는 데 사용
• 훈련 내용에 변동성이 높은 예시 데이터가 많이 포함될수록 추론에서 더 정확함

  매우 유사하거나 반복적인 데이터를 사용하여 훈련할 경우 추정할 수 없게 됨
  ➡️ 과적합(overfit) 하다. 로 표현

학습절차

1. 가중치에 (초기)값을 할당함 (랜덤)
2. (예측) 결과를 뽑음
3. 오차 계산 (실제값-예측값)
4. 오차를 줄이는 방향으로 가중치 조정
   • Optimizer : GD, Adam ... (조정비율: learning rate)
5. 단계 1로 반복
   • max iteration에 도달, 오차의 변동없으면 끝