데이터분석

K-Fold Cross Validation

by

K-Fold Cross Validation(K-겹 교차 검증)은 머신러닝 모델의 성능을 평가하는데 사용되는 중요한 기법입니다. 일반적인 데이터셋을 훈련 데이터와 테스트 데이터로 단순 분할하는 방식보다 더 신뢰성 높은 성능 평가를 제공합니다. 1. K-Fold Cross … Read more

PCA(Principal Component Analysis)

by

1. PCA란? PCA(Principal Component Analysis)는 데이터의 차원을 축소하면서도 데이터의 분산을 최대한 보존하는 기법입니다. 즉, 고차원 데이터를 저차원으로 변환하여 주요 정보만 유지하면서 계산 비용을 줄이고, 데이터의 시각화를 돕는 데 사용됩니다. 2. … Read more

로지스틱 회귀(Logistic Regression)

by

1. 개요 로지스틱 회귀(Logistic Regression)는 종속 변수가 범주형(categorical)일 때 사용하는 지도 학습(Supervised Learning) 알고리즘입니다. 특히 이진 분류(Binary Classification) 문제에서 널리 사용됩니다. 예를 들면, 고객이 상품을 구매할지(1) 안 할지(0), 이메일이 스팸(1)인지 … Read more

릿지(Ridge)

by

릿지(Ridge)는 머신러닝과 통계에서 사용되는 릿지 회귀(Ridge Regression) 또는 릿지 정규화(Ridge Regularization) 를 의미합니다. 이는 선형 회귀(Linear Regression)의 일종으로, 과적합(Overfitting)을 방지하기 위해 가중치(Weight)에 패널티를 추가하는 방법입니다. 1. 릿지 회귀(Ridge Regression)란? 2. … Read more

LSTM(Long Short-Term Memory, 장기 기억 신경망)

by

🔹 LSTM이란? LSTM(Long Short-Term Memory, 장기 기억 신경망)은 RNN의 한 종류로,기억력이 짧은 RNN의 단점을 개선한 모델이에요! ✅ RNN은 연속된 데이터를 분석할 수 있지만, 기억력이 짧아서 “긴 문장”을 이해하지 못하는 문제가 … Read more

RNN(Recurrent Neural Network)

by

🔹 RNN(순환 신경망, Recurrent Neural Network)이란? RNN은 시퀀스 데이터(시간에 따라 변하는 데이터)를 처리하는 인공 신경망입니다.✅ 기존의 신경망과 달리, 이전 단계의 정보를 기억하여 연속적인 데이터(문장, 음성, 주가 등)에 강함✅ 자연어 처리(NLP), … Read more

Hugging Face(허깅페이스)

by

Hugging Face는 자연어 처리(NLP) 및 머신러닝 모델을 위한 오픈소스 플랫폼이자 AI 커뮤니티입니다. 주로 트랜스포머(Transformers) 라이브러리로 유명하며, BERT, GPT, T5, LLaMA 같은 다양한 사전 학습된 모델을 제공하고 있습니다. (AI모델 공유를 위한 … Read more

False Rejection Rate (FRR)

by

📌 1. False Rejection Rate(FRR)란? False Rejection Rate (FRR, 오인 거부율)은 정상적인 사용자가 인증을 시도했을 때, 시스템이 이를 잘못 거부하는 비율을 의미합니다.즉, 실제 사용자인데도 불구하고 인증에 실패하는 경우를 나타냅니다. 📌 … Read more

TF-IDF (Term Frequency – Inverse Document Frequency)

by

📌 TF-IDF (Term Frequency – Inverse Document Frequency)란? TF-IDF는 문서 내 단어의 중요도를 평가하는 대표적인 방법입니다. 특정 단어가 문서에서 얼마나 중요한지를 수치화하여, 문서 간 유사도를 측정하거나 검색 엔진에서 검색 결과를 … Read more

코사인 유사도 (Cosine Similarity)

by

📌 코사인 유사도 (Cosine Similarity) 코사인 유사도는 두 벡터 간의 각도를 기반으로 두 값이 얼마나 비슷한지 유사도를 측정하는 방법입니다. 값의 범위는 -1 ≤ cosine similarity ≤ 1이며, 값이 1에 가까울수록 … Read more