로우코드 AI

194

로우코드 AI

해서 모델을 학습시켰습니다. 따라서 몇 가지 연습 문제를 제시하고자 합니다.

1

.

전체 특징 중 일부분만으로 여러 신규 모델을 학습시킵니다. 여러 조합으로 여러 모델을 학습시켜 봅니

다. 상관계수와 공선성에서 배운 내용을 상기하며 특징을 선택합니다.

2

.

새로 학습된 모델들을 평가합니다. 어떤 특징 조합에서 모델의 성능이 가장 좋았나요?

3

.

논의된 설명 가능성 함수로 어떤 특징이 모델의 글로벌 및 로컬 성능에 가장 크게 기여했는지 살펴봅니

다. 예상을 벗어난 놀랄 만한 발견이 있었나요?

6.5

빅쿼리

ML

에서의 신경망

이번에는 또 다른 인기 있는

ML

모델 유형인 신경망을 살펴볼 차례입니다. 신경망은 추가 계

산 자원, 새로운 모델 구조, 한 문제에서 얻은 지식을 다른 문제에 적용하는 전이 학습의 유연

성 덕분에 지난

10

년간 많은 인기를 얻었습니다. 이 절은 신경망을 간략히 소개하고, 빅쿼리

ML

로 신경망을 구축하는 방법을 다룹니다.

6.5.1

간략한 신경망 개요

선형 회귀 모델에서처럼, 신경망도 수치형 특징값을 입력받아 예측된 레이블을 출력하는 수학

함수입니다. 회귀 및 분류 문제에 모두 사용할 수 있지만, 이 절에서는 회귀 모델에 초점을 맞

춥니다.

신경망을 설명하기 위해 선형 회귀에 관한 설명을 시각적 용어로 재구성해 보겠습니다. 에너지

생산량을 예측하는 문제에는 온도, 주변 압력, 상대 습도, 배기 진공 압력이라는 네 가지 특징

을 사용했습니다. 이들에게 간단히

x

1

,

x

2

,

x

3

,

x

4

라는 레이블을 붙인다면, ...