Differences
This shows you the differences between two versions of the page.
| 머신러닝:비용 [2025/10/03 11:17] – created masteraccount | 머신러닝:비용 [2025/10/13 07:37] (current) – masteraccount | ||
|---|---|---|---|
| Line 1: | Line 1: | ||
| - | ====== 비용(Cost)과 모델 성능의 관계 | + | ====== 비용(Cost) ====== |
| - | //손실(Loss), | + | 손실(Loss), |
| + | 비용 & 손실 & 오차는 엄밀히는 다르지만 실제값과 예측값 차이로 통용되서 많이쓰인다. \\ | ||
| - | ==== 목표 ==== | + | ==== 비용이 낮음 다 좋나? |
| - | 학습 목표: 모델의 성능을 높이기 위해 **비용(벌점)을 | + | 결론부터 말하면 아니다. \\ |
| - | + | ||
| - | ====포인트==== | + | |
| 비용이 너무 낮으면 (Cost ≈ 0): 모델이 훈련 데이터를 완벽히 **암기**한 상태. 새로운 데이터에 대한 예측을 못하는 **과적합(Overfitting)** 상태일 위험이 매우 높음. \\ | 비용이 너무 낮으면 (Cost ≈ 0): 모델이 훈련 데이터를 완벽히 **암기**한 상태. 새로운 데이터에 대한 예측을 못하는 **과적합(Overfitting)** 상태일 위험이 매우 높음. \\ | ||
| 비용이 너무 높으면 (High Cost): 모델이 너무 단순해서 훈련 데이터의 패턴조차 제대로 학습하지 못한 상태. 훈련 및 테스트 모두에서 성능이 낮은 **과소적합(Underfitting)** 상태. \\ | 비용이 너무 높으면 (High Cost): 모델이 너무 단순해서 훈련 데이터의 패턴조차 제대로 학습하지 못한 상태. 훈련 및 테스트 모두에서 성능이 낮은 **과소적합(Underfitting)** 상태. \\ | ||
| \\ | \\ | ||
| 핵심심 과제 : **과적합**과 **과소적합** 사이의 균형을 찾아, **일반화(Generalization) 성능이 가장 좋은 최적의 지점**을 찾는 것이 관건. | 핵심심 과제 : **과적합**과 **과소적합** 사이의 균형을 찾아, **일반화(Generalization) 성능이 가장 좋은 최적의 지점**을 찾는 것이 관건. | ||