머신러닝 용어집 - A

출처: https://developers.google.com/machine-learning/glossary + 그때그때 추가

머신러닝 용어집  |  Google Developers

머신러닝 용어 정의

developers.google.com

중요도 (★, ★★, ★★★ - 주관적)

​

A

A/B testing (A/B 테스트) ★: 둘 이상의 기법을 통계적으로 비교하는 방법으로서, 일반적으로 기존 기법과 새로운 기법을 서로 비교합니다. A/B 테스트의 목표는 더 우수한 기법을 찾는 것뿐만 아니라 그 차이가 통계적 유의성을 갖는지 여부를 파악하는 것입니다. A/B 테스트에서는 일반적으로 단일 측정항목을 사용하여 두 기법을 비교하지만, 적용 가능한 기법 및 측정항목의 수에는 유한성의 범위 내에서 제한이 없습니다.

​

Accuracy (정확도) ★★★: 분류 모델의 예측이 얼마나 정확한지를 의미.

​

TP: Positive를 Positive로 분류 TN: Negative를 Negative로 분류

FP: Positive를 False하게 Negative로 분류 FN: Negative를 False하게 Positive로 분류

​

Activation function (활성화 함수) ★★★: 이전 레이어의 모든 입력에 대한 가중 합을 취하고 출력 값(일반적으로 비선형)을 생성하여 다음 레이어로 전달하는 ReLU, 시그모이드 등의 함수입니다.

Adagrad ★: 각 매개변수의 경사를 재조정하여 사실상 각 매개변수에 독립적인 학습률을 부여하는 정교한 경사하강법 알고리즘입니다. 학습률 (learning rate)이 작으면 학습 시간이 길어지고, 반대로 크면 발산해서 학습이 제대로 이루어지질 않는데 이러한 문제를 학습률 감소 (learning rate decay)를 통해 해결합니다.

​

 

​(출처: https://www.slideshare.net/yongho/ss-79607172)

 

AUC (Area Under Curve, ROC (Receiver Operating Characteristic) 곡선 아래 영역) ★★: 가능한 모든 분류 임계값을 고려하는 평가 측정항목. 무작위로 선택한 Positive가 실제로 Positive일 가능성이 무작위로 선택한 Negative가 Positive일 가능성보다 높다고 분류자가 신뢰할 확률