딥러닝 기본 구조 이해하기 선형회귀 , 평균 제곱근 오차 10분만에 이해하기

 

 

딥러닝 기본구조

 

딥러닝의 근간을 이루는 것은

인공 신경망이라고 불리는 작은

연산장치들의 집합이다.

 

신경망의 뼈대는 알고리즘에 

많은 의존도를 보인다. 그 중

가장 대표적인 것이 선형 회귀와

로지스틱 회귀 방식이다. 

 

 

선형 회귀

 

사실 딥러닝의 기본 개념은 

다른 데이터들을 구분하기 위한

예측선을 긋는 일이다. 

 

데이터를 구분할 수 있어야 데이터들의

특징을 이해할 수 있고, 이를 통해

새로운 예측을 만들어 낼 수 있기

때문이다. 

 

선형회귀 또한 선긋기 알고리즘에서

강력한 성능을 가지고 있는 녀석이다.

 

선형회귀는 우리가 흔히 알고 있는

1차 방정식으로 표현이 가능하다.

종속적인 성질의 종속변수와 독립된

변수인 독립변수로 구분된다.

 

만약 독립변수가 하나면

단순 선형 회귀(Simple Linear Regression)

만약 독립변수가 여러개면

다중 선형 회귀(Multiple Linear Regressiong)

이라 부른다. 전혀 어려울게 하나도 없다.

 

 

딥러닝은 기존 데이터를 가지고 위와 같은

선을 하나 긋는다. 그리고 선에 대입해 보면서

미래값을 예측한다. 

 

최소제곱법을 사용해서 최적의 선을 그을 수 

있다. 데이터를 가지고 오차가 가장 적은

평균값을 사용해서 선을 그려내는 것이다.

 

 

평균 제곱근 오차

선을 그리고 나서 오차가 얼마만큼 발생했는지

평가하는 오차 평가 알고리즘이 평균 제곱근 오차

영어로는 Root Mean Sqaure Error라고 한다.

 

딥러닝에서 가장 많이 사용하는 방법은

여러개의 입력변수들을 조금씩 수정해 나가는

방식이다. 그리고 오차가 최소화 될 때까지

이 과정을 그냥 반복하는 것이다. 

 

오차값 = 실제값 - 예측값 

 

이 오차들의 평균값을 구한 것이

평균 제곱오차(Mean Squared Error, MSE)가 되는 것이다.

 

하지만, 독립변수의 갯수가 많아지고, 반복횟수가

많아지면서 연산이 복잡해지면 커다란 오차값을

계산하는게 CPU에 무리가 될 수 있다.

 

그래서 사용하는 것이 평균 제곱오차에 제곱근을 

씌워서 사용하는 평균 제곱근 오차(Root Mean

Squared Error, RMSE)를 사용하는 것이다.

 

 

 

딥러닝의 층 구조 딥러닝을 배워보자

 

 

딥러닝 머신러닝 차이, 머신러닝 딥러닝