"정칙화"의 두 판 사이의 차이

2024년 1월 26일 (금) 09:30 기준 최신판

1 개요[ | ]

regularization
正則化, 正規化
정칙화, 정규화

모델의 복잡도에 페널티를 부여하는 일
과적합 방지를 위해 어떤 기준에 따라 벌점 정보를 추가하는 일
불량조건문제(ill-posed problem)를 풀거나 과적합을 방지하기 위해 정보를 추가하는 과정
역문제를 풀 때나 머신러닝에서 활용한다.
과적합을 방지하는 데 도움이 된다.

2 예시[ | ]

L1 정칙화 - 가중치 절대값 합(1승)에 따라 페널티를 적용한다. (맨하탄 거리)
L2 정칙화 - 가중치 제곱합(2승)에 따라 페널티를 적용한다. (유클리드 거리)
드롭아웃 정칙화
조기 중단 - 정식으로 인정되는 정칙화 방식은 아니지만, 과적합을 효과적으로 제한할 수 있다.

3 같이 보기[ | ]

정칙
벌점화
불량조건문제
편향-분산 트레이드오프(bias–variance tradeoff)
Bayesian interpretation of kernel regularization
행렬 정칙화(matrix regularization)
티호노프 정칙화
정칙화율
정칙화 최소제곱(regularized least squares)

4 참고[ | ]

@@ 1번째 줄: / 1번째 줄: @@
-{{다른뜻|정규화(normalization)|정규화}}
-{{다른뜻|정규화(regularization)}}
 ==개요==
 ;regularization
-:[[正則]][[化]]
+;[[正則]][[化]], 正規化
-;정칙화
+;정칙화, 정규화
 * 모델의 복잡도에 페널티를 부여하는 일
-* 역문제를 해결할때나 머신러닝에서 [[불량조건문제]](ill-posed problem)를 풀거나 과적합을 방지하는 기법
+* 과적합 방지를 위해 어떤 기준에 따라 벌점 정보를 추가하는 일
-* 과적합을 방지하는 데 도움이 된다.
+* [[불량조건문제]](ill-posed problem)를 풀거나 [[과적합]]을 방지하기 위해 정보를 추가하는 과정
+* 역문제를 풀 때나 머신러닝에서 활용한다.
+* [[과적합]]을 방지하는 데 도움이 된다.
-==종류==
+==예시==
-* [[L₁ 정칙화]]
+* [[L1 정칙화]] - 가중치 절대값 합(1승)에 따라 페널티를 적용한다. ([[맨하탄 거리]])
-* [[L₂ 정칙화]]
+* [[L2 정칙화]] - 가중치 제곱합(2승)에 따라 페널티를 적용한다. ([[유클리드 거리]])
 * [[드롭아웃 정칙화]]
-* [[조기 중단]]<ref>엄밀하게는 정칙화가 아니지만 과적합을 효과적으로 제한할 수 있다.</ref>
+* [[조기 중단]] - 정식으로 인정되는 정칙화 방식은 아니지만, 과적합을 효과적으로 제한할 수 있다.
 ==같이 보기==
 {{z컬럼3|
-* [[정규]]
+* [[정칙]]
-* [[행렬 정칙화]](matrix regularization)
+* [[벌점화]]
 * [[불량조건문제]]
 * [[편향-분산 트레이드오프]](bias–variance tradeoff)
 * [[Bayesian interpretation of kernel regularization]]
+* [[행렬 정칙화]](matrix regularization)
 * [[티호노프 정칙화]]
 * [[정칙화율]]
+* [[정칙화 최소제곱]](regularized least squares)
 }}
@@ 32번째 줄: / 34번째 줄: @@
 * {{네이버백과}}
-[[분류: 수학]]
+[[분류: 정칙화]]
+[[분류: 머신러닝]]
 [[분류: 3음절 한자어 명사]]
 [[분류: 正]][[분류: 則]][[분류: 化]]