목록인공지능 #AI #ML #기계학습 #Lasso #Ridge #Regularization #Linear Regression (1)

solve-my-curiosity

Linear Regression - 3

이번 포스팅은 Ridge와 Lasso의 심화버전이다. Lasso는 덜 중요한 feature를 버리는 효과가 있다.! (왜 그런지 차차 알아가보자) 만약 B1x1+B2x2+ --- 이렇게 있는데 "결과적으로 봤을 떄" x1, x2가 결과에 큰 영향을 미치는 텀들이 아닐때 B1, B2를 거의 0으로 만드는 효과가 있다는 말이다. ( Ridge 또한 그런 효과가 있지만 Lasso만큼은 아니다. ) 먼저 Ridge를 그래프로 표현하면 어떻게 되는지 알아보자. 먼저 y햇 = B1x1+B2x2의 모델이 있다고 해보면 모델 파라미터에 대한 평면을 그린다면 2차원 평면이 B1과 B2를 축으로 하는 그래프가 나올 것이다. LSE부터 먼저 생각해보자면 LSE는 에러의 값이라고 생각하면 된다. 타원의 가장 정중앙에 있는 값..
기계학습 2023. 10. 21. 19:00
이전 Prev 1 Next 다음