딥러닝(deep learning)/ 모델 및 함수 용어 관련

1. **선형 회귀(직선) 및 선형 함수**:
   선형 회귀는 입력 변수와 출력 변수 사이의 선형 관계를 모델링하는 회귀 분석 기법입니다. 선형 회귀 모델은 주로 직선으로 표현됩니다. 선형 함수는 입력 변수에 대해 가중치와 편향을 곱하고 더하여 출력을 생성하는 함수로, 선형 회귀 모델에서 사용되는 함수입니다.

 

 

2. **로지스틱 회귀(참, 거짓) 및 시그모이드 함수**:
   로지스틱 회귀는 이항 분류 문제를 다루기 위한 회귀 분석 기법으로, 주로 확률을 이용해 분류를 수행합니다. 로지스틱 회귀 모델의 출력을 시그모이드 함수에 적용하여 0과 1 사이의 값으로 변환합니다. 시그모이드 함수는 S자 형태를 가지며, 입력을 확률 값으로 변환하는 데 사용됩니다.

 

 

3. **이항 분류 모델 및 렐루 함수**:
   이항 분류 모델은 두 개의 클래스 중 하나를 선택하는 문제를 다루는 모델입니다. 렐루 함수(Rectified Linear Unit, ReLU)는 입력이 0보다 작으면 0을 출력하고, 그렇지 않으면 입력 값을 그대로 출력하는 함수로, 주로 신경망의 은닉층에서 사용됩니다.

 

 

4. **다항 분류 모델 및 렐루 + 소프트맥스**:
   다항 분류 모델은 여러 개의 클래스 중 하나를 선택하는 문제를 다루는 모델입니다. 렐루 함수와 소프트맥스 함수를 조합하여 사용합니다. 렐루 함수는 은닉층에서 사용되고, 소프트맥스 함수는 출력층에서 사용되어 입력의 지수 함수를 계산하고 클래스별 확률 분포를 생성합니다.

 

 

5. **학습셋, 테스트셋, 검증셋**:
   - **학습셋 (Training Set)**: 모델을 학습하는 데 사용되는 데이터 셋입니다. 모델은 학습셋의 데이터를 이용하여 가중치와 파라미터를 조정하며 패턴을 학습합니다.
   - **테스트셋 (Test Set)**: 학습된 모델의 성능을 평가하기 위해 사용되는 데이터 셋입니다. 모델이 새로운 데이터에 얼마나 잘 일반화되는지를 확인하는 데 사용됩니다.
   - **검증셋 (Validation Set)**: 모델의 학습 과정 중에 하이퍼파라미터를 튜닝하거나 조기 종료 등의 결정을 내리는 데 사용되는 데이터 셋입니다. 학습셋으로 학습한 모델의 성능을 검증하기 위해 사용됩니다.