RL Researcher

1. 선형 회귀분석(Linear Regression) 독립 변수와 종속변수가 선형적인 관계가 있다라는 가정하에 분석합니다. 직선을 통해 종속변수를 예측하기 때문에 독립변수의 중요도와 영향력을 파악하기 쉽습니다. 2. 의사결정나무(Decision Tree) 독립변수의 조건에 따라 종속변수를 분리합니다.( 눈이 내린다 -> 테니스를 치지 않는다) 이해하기는 쉬우나 overfitting이 잘 일어납니다. 3. KNN(K-Nearest Neighbor) 새로 들어온 데이터의 주변 k개의 데이터의 class로 분류하는 기법입니다. 4. NN(Neural Network) 입력, 은닉, 출력층으로 구성된 모형으로서 각 층을 연결하는 노드의 가중치를 업데이트하면서 학습합니다. Overfitting이 심하게 일어나고 학..

활성화 함수(activation function)에 사용되는 w인 가중치(weight)와, b인 편향(bias)에 대한 설명을 하겠습니다. $$y = w_{1}x_{1} + b$$ 퍼셉트론(perceptron)은 독립변수(X)에 가중치(W)를 곱한 값에 편향(b)를 합하고, 합한 값이 0을 넘으면 활성화 하고, 0을 넘지 않으면 비활성화를 합니다. 1. 가중치(weight) 가중치(weight)란 각 독립변수(X)가 종속변수(Y)의 결과에 미치는 중요도를 조절하는 매개변수입니다. 모델을 짜는 사람들에게는 최적의 가중치(weight)를 찾아내는게 목표입니다. 2. 편향(bias) 편향(bias)이란 인공신경망(Neral Network)의 뉴런의 활성화를 조절하는 매개변수입니다. 또는, 뉴런의 활성화 조건을..