직관적인 이해 감사합니다.진짜 감사합니다!

@phdshinAI

18 күн бұрын

네 시청해주셔서 감사합니다! 앞으로도 많은 시청 부탁드려요

정말 좋은강의 고맙습니다. 양질의 설명과 정성에 감사드립니다!

@phdshinAI

6 ай бұрын

네 시청해주시고 좋은 댓글로 응원해주셔서 감사합니다!

정말 쉽게 설명해주셔서 감사합니다!!!

@phdshinAI

Ай бұрын

도움이 되셨다니 기쁩니다. 앞으로도 많은 시청 부탁드립니다!

정말 이해하기 쉽게 설명을 해주셔서 많은 도움이 되었습니다. 감사합니다!

@phdshinAI

5 ай бұрын

도움이 되셨다니 다행입니다. 감사합니다!

이렇게 좋은 채널 찾았습니다 감사합니다

@phdshinAI

6 ай бұрын

네 감사합니다. 앞으로도 많은 시청 부탁드립니다.

@7:49 에서는 -식을 안으로 넣으면 A앞에도 -가 붙어야 되는거 아닌가요?

@phdshinAI

3 ай бұрын

앗 네 엄밀히 말하면 그렇습니다. 날카로운 지적 감사합니다. (-A +/- 람다)가 되어주어야 하는것입니다.

5:42 어차피 MSE도 양수고, l1 regularization 항도 절댓값의 합이니 양수인데, 그럼 l1 regularization 항이 0일 때 MSE가 최소가 되는 게 맞지 않나요? 아니면 람다가 음수도 될 수 있는 건가요?

@phdshinAI

2 ай бұрын

네 안녕하세요. 좋은 질문 감사합니다. 맞아요 저도 첨에 그 부분이 잘 이해가 가지 않았던것 같습니다. 다시 설명드려보도록 하겠습니다. MSE도 양수고 L1 regularization이 양수인것도 맞습니다. 그런데 L1 regularization이 0이 될 때 MSE가 최소가 되지는 않습니다. 여기서 MSE는 순수하게 모델의 예측값과 실제값사이의 오차를 말합니다. 그러면 만약 L1 regularization이 0이 된다고 가정하면 어떤 상황을 의미할까요? 모든 모델의 가중치 값들 w1, w2, w3,...이 다 0이 되어버린다는 것을 의미합니다. 그러면 어떤 입력이 들어와도 모델의 예측값도 0이 되어버리기 때문에 오히려 오차는 커져버립니다. 그러면 MSE + L1 값은 최소가 되지 않겠지요. regularization이 하는 일은 L1도 줄여가면서 또 동시에 MSE도 최소가 되는 적절한 지점을 찾아가는 것입니다. 답변이 되셨으면 좋겠고, 또 궁금하신것 언제라도 질문주세요. 감사합니다!

@Chaterbones_official

2 ай бұрын

@@phdshinAI 아~ 그러네요! L1 Regularization 항이 0이 되면까지만 생각했지, 그게 0이 되려면 모든 weight가 0이어야 한다는 건 까맣게 잊어버렸네요ㅠㅠㅠ 감사합니다

대학교 전공 선택 잘하는 팁 ㅡ 이 제목으로 유튜브 동영상 만들어 주시면 좋겠어요 ㅎ

@phdshinAI

5 ай бұрын

네 아주 중요한 부분이지요. 대학교 전공 선택은 본인의 꿈과 전망을 두루두루 고려해봐야겠지요. 제 채널과는 성격이 맞지 않지만, 유튜브에 다른 많은 분들이 좋은 영상을 이미 올려놓지 않았나 생각합니다.

님 컴퓨터 공학과 지원한 동기가 무엇인가요?ㅎ

@phdshinAI

5 ай бұрын

네 인공지능을 알고싶어서 지원했습니다. ㅎㅎ

님 성공 하세요 ㅎ

@phdshinAI

5 ай бұрын

넵 감사합니다. 늘 노력하겠습니다.