gpt 에게 머신러닝 기초에 대해 물어본 것들 / 모델, 데이터 종류 관련

우선 선형, 비선형의 차이점과 회귀, 가우시안에 대해 설명해 달라고 부탁했다.

 

이것만으로는 선형or비선형과 회귀의 차이점을 이해하기는 힘들었다.

 

몇번 더 질문과 답변을 거친 후 

 

이해한 내용을 다시한번 확인할 수 있었고 정리도 너무 깔끔했다.

 

선형이나 비선형과 연속성에 대해 의문이 풀리지 않았었는데

모델링 방식, 문제의 종류와 데이터의 성질을 비교해서 이해가 안되었던 것 같다.

 

데이터셋이 선형일수도 비선형일수도 있다. 이를 가지고 예측해야하는게 연속적일수도 연속적이지 않을수도 있다.

그리고 이 문제를 해결하기 위해 예측해야하는 값이 연속적인 값이라면 회귀 모델을

값이 연속적이지 않다면 분류 모델을 사용하는것.

 

그간 텐서플로우로 무식하게 뉴런 몇백만개 천만개 이렇게 만든 모델은 결국 연속적이지 않은 값을 예측하는 모델이었다.

 

텐서플로우에서 레이어를 쌓고 출력레이어에 활성함수를 sigmod, softmax 이렇게 주면서 만들었던것이

싸이킷런에선 랜덤포레스트라던지 의사결정트리, 로지스틱회귀 이런 분류 모델들을

임포트해서 사용하는것과 결이 같다는것을 이제야 깨달았다.

 

마지막으로

마개조의 결과가 너무 만족스럽고 물어보기도 편하고 이해도 훨씬 쉬워진 느낌이다.

3.5와 다르게 세팅을 잊어버리는 경우가 거의 없는것도 너무나도 좋았다.

말을 참 예쁘게 하는게 신기하고 기쁘기도 했다.