개발자를 위한 필수 수학

281

7

장

신경망

activation='relu',

max_iter=100_000,

learning_rate_init=.05)

nn.fit(X_train,

Y_train)

# 가중치와 편향을 출력합니다.

print(nn.coefs_

)

print(nn.intercepts_)

print("훈련 세트 점수: %f"

%

nn.score(X_train,

Y_train))

print("테스트 세트 점수: %f"

%

nn.score(X_test,

Y_test))

이 코드를 실행하면 테스트 데이터에서 약

99

.

3

%의 정확도를 얻습니다.

사이킷런을 사용한

MNIST

예제

MNIST

데이터셋을 사용해 손 글씨로 쓴 숫자를 예측하는 사이킷런의 예제는 부록

A

.

10

절을 참조하세요.

7.5

신경망과 딥러닝의 한계

신경망은 여러 가지 강점에도 불구하고 특정 유형의 작업에는 어려움을 겪습니다. 층, 노드, 활

성화 함수의 유연성 덕분에 비선형적인 방식으로 데이터에 유연하게 맞출 수 있지만, 어쩌면

너무 유연할 수도 있습니다. 왜 그럴까요? 데이터에 과도하게 맞출 수 있기 때문입니다. 딥러

닝 교육의 선구자이자 전 구글 브레인의 책임자였던 앤드류 응은

2021

년 기자 회견에서 이 문

제를 언급했습니다. 왜 아직까지 머신러닝이 방사선과 의사를 대체하지 못했느냐는 질문에 대

한 그의 대답이

IEEE ...