![[공부] AI,ML 차이점과 Bias/Variance Tradeoff](https://image.inblog.dev?url=https%3A%2F%2Finblog.ai%2Fapi%2Fog%3Ftitle%3D%255B%25EA%25B3%25B5%25EB%25B6%2580%255D%2520AI%252CML%2520%25EC%25B0%25A8%25EC%259D%25B4%25EC%25A0%2590%25EA%25B3%25BC%2520Bias%252FVariance%2520Tradeoff%26logoUrl%3Dhttps%253A%252F%252Finblog.ai%252Finblog_logo.png%26blogTitle%3D%25EA%25B3%25A8%25EC%25B9%2598%25EC%259D%2598%2520%25EC%2582%25AC%25EB%259E%258C%25EB%2590%2598%25EB%258A%2594%2520%25EB%25B8%2594%25EB%25A1%259C%25EA%25B7%25B8&w=3840&q=75){kind=logo}
AI, ML, DL 차이점
- AI 인공지능 (Artificial Intelligence)
- 인간의 학습능력, 추론능력, 지각능력, 언어 이해능력 등을 컴퓨터에 구현한 기술
- 예) 에어컨의 온도조절 시스템: 온도를 24도에 맞춰 놓으면 24도 이상일 때만 냉방이 동작함
- ML 머신러닝 (Machine Learning)
- AI 의 부분집합
- 머신러닝은 과거의 경험을 바탕으로 추론 및 결정을 하는 방법을 머신(Computer)에게 알려줌
- 데이터를 통한 컴퓨터의 학습
- DL 딥러닝 (Deep Learning)
- 머신러닝의 일종
- 결과를 추론하기 위해서 레이어를 통해 입력을 처리하는 것을 기계에 학습
- 뇌의 구조와 같은 인공신경망 네트워크로 이루어지는 기계학습
Bias / Variance Tradeoff
- Bias(편향)
- 의미: 모델의 예측값 평균이 실제 정답 값에서 얼마나 벗어나는지를 나타내는 오차
- 특징: 모델이 너무 단순하여 데이터의 복잡한 패턴을 제대로 포착하지 못할 때 발생함
- 결과: Underfitting (과소적합) 으로 이어짐
- Variance(분산)
- 의미: 훈련 데이터가 달라질 때 모델의 예측값이 얼마나 변하는지를 나타냄
- 특징: 모델이 훈련 데이터에 너무 과도하게 맞춰져 새로운 데이터에 대해서는 일반화하지 못할 때 발생함
- 결과: Overfitting (과대적합) 으로 이어짐
- Bias-Variance Tradoff (편향-분산 트레이드오프)
- 핵심: 편향과 분산은 서로 반비례 관계에 있어, 한쪽을 줄이면 다른 한쪽이 늘어나는 경향이 있음
- 목표: 총 오차를 최소화하는 모델을 만드는 것
- 적절한 모델을 찾아 편향과 분산의 균형을 맞추는 것이 중요함
Share article