무료 온라인 수학 연습

머신러닝 수식 연습

자주 쓰이는 손실, 활성화, 확률, 최적화 공식을 다뤄요.

연습 시작머신러닝 수학 공식

  • 무료로 연습할 수 있어요.
  • 계정이 필요 없어요.
  • 연습 기록은 이 기기에 저장돼요.

연습할 내용

손실 함수, 활성화 함수, 갱신 규칙이 각각 어떤 역할을 하는지 확인한 뒤 공식을 떠올려 보세요. 공식을 기억하는 것만으로는 모델이 데이터에 적합한지 알 수 없어요.

어디에 도움이 되나요?

공식을 덜 찾아보며 머신러닝 모델을 읽고 구현하기.

시작하기 전에

예시를 풀어 보며 무엇을 연습할지 살펴보세요. 요구하는 답의 형태와 제시된 조건을 확인하세요.

개념 설명

기울기와 반대 방향으로 이동하기

J(θ) = θ²에서 θ = 3이면 기울기는 6이에요. 스텝 크기 η = 0.1이면 다음 θ = 3 − 0.1 × 6 = 2.4예요.

다음 θ = θ − η∇J(θ)를 써요. J는 미분 가능한 손실함수, ∇J는 그 기울기 벡터, η > 0은 스텝 크기예요. 1차원에서는 도함수가 양수이면 θ를 줄이고, 음수이면 θ를 늘려요. 그 방향으로 충분히 작게 이동하면 손실이 줄어요. 도함수가 0이라는 사실만으로는 감소 방향을 알 수 없어요. 너무 크게 이동하면 지나칠 수 있어요.

가중치를 곱한 입력과 절편 더하기

x = (2, 3), w = (4, −1), b = 5이면 ŷ = 4 × 2 + (−1) × 3 + 5 = 10이에요.

모델은 ŷ = w · x + b예요. 각 입력에 해당 가중치를 곱해 더한 다음 절편 b를 한 번 더해요. 벡터 w와 x의 성분 수는 같아야 해요.

오차 제곱의 평균 구하기

관측값은 2와 5이고, 예측값은 3과 3이에요. MSE = ((2 − 3)² + (5 − 3)²)/2 = (1 + 4)/2 = 2.5예요.

n > 0개의 쌍에 대해 MSE = Σ(yᵢ − ŷᵢ)²/n을 써요. yᵢ는 관측값, ŷᵢ는 그 예측값이며 Σ는 n개 항을 모두 더한다는 뜻이에요. 제곱하면 반대 부호의 오차가 상쇄되지 않아요.

하나의 점수를 0과 1 사이의 값으로

z = 0이면 σ(z) = 1/(1 + e⁰) = 1/2예요.

시그모이드 공식은 σ(z) = 1/(1 + exp(−z))이고, exp(u)는 e의 u제곱을 뜻해요. 유한한 실수 점수 z에 대해 결과는 0보다 크고 1보다 작아요. 양수 점수이면 1/2보다 크고, 음수이면 1/2보다 작아요. 지수의 음수 부호를 지켜요.

여러 점수를 비율로 바꾸기

두 점수에 지수함수를 적용한 값이 2와 3이라면 소프트맥스 값은 2/(2 + 3) = 2/5 3/(2 + 3) = 3/5예요.

K개 점수에 대해 softmax(z)ᵢ = exp(zᵢ)/Σⱼ₌₁ᴷ exp(zⱼ)예요. exp(u)는 e의 u제곱을 뜻해요. 선택한 점수의 지수함숫값을 모든 점수의 지수함숫값의 합으로 나누어요. 출력은 모두 양수이고 합은 1이에요.

예시 몇 개 풀어 보기

실제 문제를 연습하고 실력을 쌓으세요.

예시 1/4

J는 미분 가능해요. θ는 매개변수 벡터이고, η > 0은 보폭이에요.

정확한 식을 고르세요.

이 주제가 포함된 미국 학년 및 과정

관련 연습

연습 시작머신러닝 수학 공식

  • 무료로 연습할 수 있어요.
  • 계정이 필요 없어요.
  • 연습 기록은 이 기기에 저장돼요.