The Elements of Statistical Learning (ESL) 1. 개요 The Elements of Statistical Learning (ESL)은 통계적 학습 이론(Statistical Learning Theory)의 수학적 기초와 머신러닝(Machine Learning, 이하 ML) 알고리즘의 원리를 체계적으로 다룬 학술 서적으로, 데…

데이터 누수 (Data Leakage) 데이터 누수(Data Leakage)는 머신러닝 및 데이터 과학 모델의 학습 과정에서, 테스트 데이터(평가 데이터)에 포함되어야 할 정보가 우연히 또는 실수로 학습 데이터에 유입되어 모델이 실제 환경에서보다 과도하게 높은 성능을 보이는 현상을 의미합니다. 이는 모델의 일반화 능력(Generalization)을 과대평가…

스펙트럼 정규화 (Spectral Normalization) 1. 개요 스펙트럼 정규화(Spectral Normalization)는 신경망의 가중치 행렬의 스펙트럼 노름(Spectral Norm)을 1로 제한하여, 함수가 립시츠 연속성(Lipschitz Continuity)을 갖도록 강제하는 정규화 기법이다. 이 기법은 주로 생성적 적대 신경망(GAN)의 …

기계 학습 전처리 기계 학습 전처리(Machine Learning Preprocessing)는 원시 데이터를 기계 학습 모이 효과적으로 학습할 수 있도록 변환하고 준비하는 일련의 과정을 의미합니다. 모델의 성능은 학습 알고리즘뿐 아니라 데이터의 질에 크게 의존하므로, 전처리는 기계 학습 프로젝트에서 가장 중요한 단계 중 하나로 꼽힙니다. 이 문서에서는 기계…

잠재 요인 (Latent Factor) 1. 개요 잠재 요인(Latent Factor)이란 데이터 세트에서 직접적으로 관찰되지는 않지만, 관찰 가능한 변수들 간의 관계를 통해 추론할 수 있는 숨겨진 특성을 의미한다. 이 개념은 통계학의 요인 분석(Factor Analysis)에서 유래하였으며, 추천 시스템 외에도 심리 측정, 유전자 분석 등 다양한 분야에서…

합성 데이터 (Synthetic Data) 1. 개요 합성 데이터(Synthetic Data, 가상 데이터라고도 함)란 실제 세계에서 수집된 데이터가 아니라, 알고리즘이나 통계적 모델을 통해 인위적으로 생성된 데이터를 의미한다. 실제 데이터(Real-world Data)가 관찰된 사실의 기록이라면, 합성 데이터는 실제 데이터의 통계적 특성, 상관관계, 분포…

대표성 편향 (Representativeness Bias) 1. 개요 대표성 편향(Representativeness Bias)이란 어떤 대상이 특정 집단의 전형적인 특성과 유사하다는 이유만으로, 그 대상이 해당 집단에 속할 확률이 높다고 판단하는 인지적 오류를 의미한다. 이는 사람들이 확률적 판단을 내릴 때 수학적인 확률 계산보다는 직관적인 '유사성'이나 …

예측 불확실성 (Predictive Uncertainty) 1. 개요 예측 불확실성(Predictive Uncertainty)이란 통계적 모델이나 머신러닝 알고리즘이 특정 입력값에 대해 출력값을 예측할 때, 그 예측 결과가 얼마나 불확실한지를 나타내는 척도이다. 일반적으로 '예측 오차(Prediction Error)'가 실제 정답과 예측값 사이의 거리라는 …

가중치 평균 개요 가중치 평균(Weighted Average)은 단순 평균(Arithmetic Mean)과 달리 각 신뢰도를 반영하기 위해 가중치(Weight)를 부여하여 계산하는 평균 방식입니다. 특히 데이터과학과 모델 평가 분야에서 다양한 지표를 종합하거나, 클래스 불균형이 있는 분류 문제에서 성능을 평가할 때 널리 사용됩니다. 단순 평균은 모든 데이터…

단일 활성화 개요 단일 활성화(One-Hot Encoding)는 범주형 데이터(categorical data)를 기계학습 모델이 처리할 수 있도록 수치형 형태로 변환하는 대적인 데이터 인코딩 기 중 하나입니다.주형 변수는 특정한 카테고리나 레이블을 가지는 데이터로, 예를 들어 "성별(남, 여)", "지역(서울, 부산, 대구)" 등이 있습니다. 그러나 대부분…

데이터 마이닝 개요 데이터 마이닝(Data Mining)은 대량의 데이터에서 숨겨진 패턴, 상관관계, 추세 및 유용한 정보를 추출하는 데이터 분석 기술의 한 분야입니다. 이는 데이터베이스 지식 발견(Knowledge Discovery in Databases KDD) 프로세스의 핵심 단계로, 통계학, 기계학습, 데이터베이스 기술 등이 융합된 다학제적 접근을 …

SARIMA (Seasonal AutoRegressive Integrated Moving Average) 1. 개요 SARIMA는 시계열 데이터의 추세(Trend)뿐만 아니라 주기적으로 반복되는 계절성(Seasonality) 패턴을 동시에 모델링하기 위해 설계된 통계적 예측 모델이다. 기존의 [[ARIMA]](AutoRegressive Integrated …

목표 기반 인코딩 목표 기반 인코딩(Target-based Encoding)은 범주형 변수(Categorical Variable)를 수치형 변수로 변환 데이터 인코딩법 중 하나로, 특히 지도 학습(Supervised Learning)에서 목표 변수(Target Variable)와의 관계를 활용하여 인코딩을하는 방법입니다. 이 방은 단순한 레이블 인코딩(La…

활성화 함수 개요/소개 활성화 함수는 인공신경망(ANN)에서 입력 신호를 처리하여 출력을 생성하는 데 사용되는 핵심 요소입니다. 이 함수는 신경망이 비선형 관계를 학습할 수 있도록 하며, 단순한 선형 모델로는 해결 불가능한 복잡한 문제(예: 이미지 인식, 자연어 처리)를 해결하는 데 기여합니다. 활성화 함수의 선택은 네트워크 성능, 수렴 속도, 과적합 방지…

조정 결정계수 (Adjusted R-squared) 조정 결정계수(Adjusted R-squared)는 회귀 분석에서 모델의 설명력을 나타내는 결정계수( )가 독립 변수의 개수가 증가함에 따라 무조건적으로 상승하는 단점을 보완하기 위해, 변수 개수에 따른 페널티를 부여하여 계산한 지표이다. 1. 개요 회귀 분석의 목적은 독립 변수( )들이 종속 변수( )의…

배치 정규화 개요 배치 정규화(Batch Normalization, 이하 배치정규화)는 딥러닝 모델의 학습 속도를 향상시키고, 학습 과정을 안정화하기 위해 제안된 기술이다. 2015년 세르게이 이고르(Sergey Ioffe)와 크리스티안 슈미트(CChristian Szegedy)가 발표한 논문 "Batch Normalization: Accelerating …

이진 분류 (Binary Classification) 1. 개요 이진 분류(Binary Classification)란 주어진 데이터를 두 개의 서로 배타적인 클래스(Class) 중 하나로 분류하는 [[지도 학습]](Supervised Learning)의 한 형태이다. 일반적으로 정답 레이블은 0과 1, 혹은 'Positive(긍정/참)'와 'Negative…

보간 가능성 (Interpolatability) 1. 개요 보간 가능성(Interpolatability)이란 주어진 일련의 데이터 점(Data points)들을 모두 정확하게 통과하는 연속 함수가 수학적으로 존재하며, 그 함수를 유일하게 결정할 수 있는 성질을 의미한다. 수치해석 및 함수 근사 이론에서 보간 가능성은 단순히 함수를 찾는 문제를 넘어, 선택한…

편향 요 머신러닝에서 편향(Bias)은 모델이 학습 데이터에서 실제 패턴을 얼마나 정확하게영하는지를 나타내는 중요한 개념이다. 일반적으로 편향은 모델의 예측 값과 관측 값 사이의 평균적인 차이를 의미하며, 낮은 편향은 모델이 데이터를 잘 학습하고 있음을, 높은 편향은 모델이 데이터의 실제 구조를 간과하고 있다는 것을 나타낸다. 편향은 머신러닝 모델의 성능을…

Embedding Layer (임베딩 층) 1. 개요 임베딩 층(Embedding Layer)은 자연어 처리(NLP) 및 딥러닝 모델에서 정수 형태로 인코딩된 범주형 데이터(주로 단어 인덱스)를 고정된 크기의 연속적인 수치형 벡터로 변환하는 신경망 층이다. 컴퓨터는 텍스트를 직접 처리할 수 없으므로 수치화 과정이 필수적이다. 초기에는 단어의 존재 여부만을 …