또르르's 개발 Story

딥러닝에서는 데이터를 받아들여 통계적 모델을 만들고 결과값을 추정합니다. 따라서 통계적 모델링은 적절한 가정 위에서 확률분포를 추정(inference)하는 것이 목표이며, 기계학습이 추구하는 목표입니다. 그러나 유한한 개수의 데이터만 관찰해서 모집단의 분포를 정확하게 알아낼 수 없습니다. 데이터가 무작위로 들어오면 이 데이터들이 어떠한 분포를 가졌는지 유추할 수 없으며, 근사적으로 확률분포를 추정할 수 밖에 없습니다. 그래서 예측모형의 목적은 분포를 정확히 맞추는 것보다 위험을 최소화하는 것에 가깝습니다. 1️⃣ 확률분포 가정하기 확률분포를 가정하는 방법은 우선 히스토그램을 통해 모양을 관찰합니다. 데이터가 2개의 값(0 또는 1)만 가지는 경우 => 베르누이 분포 데이터가 n개의 이산적인 값을 가지는 ..