-
카테고리
-
세부 분야
컴퓨터 비전
-
해결 여부
미해결
선생님 공부하다가 조금 헷갈려서 질문드립니다.
21.07.27 17:07 작성 조회수 130
0
선생님 기존 프로그래밍과 머신러닝의 차이가
기존 프로그래밍은 기존의 알고리즘 수식이나 통계분석 모델을 그대로 사용하여 결과를 산출한다면,
머신러닝은 다양하고 많은 데이터를 통해 알고리즘을 학습시켜서 최적화된 모델을 통한 결과가 산출이라고 한다면..
회귀분석모델에서 조금 헷갈리는 것이..
기존의 통계분석의 회귀분석은 머신러닝같은 개념이었던 건지..
기존의 통계분석인 회귀분석의 회귀계수들도 데이터에 따라 바뀌었는데..
1:57 의 그림에서 최적의 함수를 찾는다는 부분에서 기존 통계분석의 회귀분석을 생각할 때 갑자기 헷갈려서요..ㅠ
답변을 작성해보세요.
0
권 철민
지식공유자2021.07.28
안녕하십니까,
통계 기반의 회귀와 머신러닝 기반의 회귀 모두 데이터에 기반하는 것은 동일합니다.
다만, 통계 기반 선형 회귀는 전체 데이터의 오류를 최소화할 수 있도록 독립 변수 데이터와 종속 변수 데이터의 관계에 관한 식을 예측하는 것입니다. 그리고 이 예측 식은 여러가지 전제 조건에 기반할 수 있습니다.
가령, 독립변수들(피처)과 종속 변수(타겟)은 선형의 관계이다. 개별 관측값은 서로 독립적이다, 동분산성, 오차의 독립성등 이를 기반으로 OLS(Ordinary Least Square)등의 기법으로 모델을 추정합니다.
머신러닝의 경우도 모델 추정(즉 최적 함수 찾기)을 합니다. 이 추정을 batch 사이즈 만큼의 학습 데이터를 계속 읽어가면서 최적함수로 예측한 예측값과의 차이에 기반한 손실함수 값을 줄여나갑니다. 손실함수를 어떻게 정의하는지, 그리고 어떻게 이 손실함수값을 줄여 나가는지는 개별 머신러닝 알고리즘별로 다릅니다만, 계속적으로 학습 데이터를 반복적으로 읽어 나가면서 최적의 모델 파라미터를 찾아내는 방식입니다.
답변 1