머신러닝

일반화(generalization)모델이 테스트데이터에 대해 높은 성능을 내도록 하는 것과소적합(Under-fitting)모델이 너무 간단하여 성능을 낼 수 없는 상태과소적합 해결방법파라미터가 더 많은 모델 선택모델의 제약 줄이기과대적합(Over-fitting)모델이

확률변수 $X$표본의 집합 $S$의 원소 $e$를 실수값 $X(e) = x$에 대응시키는 함수확률변수의 성질곱셈법칙$p(X,Y) = p(X|Y)p(Y) = p(Y|X)p(X)$베이즈 확률$p(Y|X) = \\cfrac{p(X|Y)p(Y)}{\\sum_YP(X|Y)p(Y