훈련세트 샘플 질문

안녕하세요. 박해선입니다. 아마도 경사 하강법에 대한 질문이신가요? 그렇다면 네 맞습니다. 하지만 실제 물리적으로 무언가를 채우는 과정(코드)이 있는 것은 아닙니다. 이는 이해하기 쉽도록 비유한 것이니 오해하지 마세요.

linear 통과 전 입력 처리

안녕하세요. 박해선입니다. 다른 자료에 대해 제가 섣부르게 답변을 드리기는 어렵습니다. 책의 reshape 메서드는 각 샘플을 1차원으로 펼치기 때문에 train_scaled 배열이 3원에서 2차원으로 변환됩니다. 감사합니다.

여기 빨간 동그라미 친부분

안녕하세요. 신경망에서 뉴런을 종종 유닛이라고도 부릅니다. 책에서는 주로 뉴런이란 단어를 사용합니다. 감사합니다.

5강 데이터 전처리 부분에서 에러 질문입니다

안녕하세요. 이전 코드에서 뭔가 잘못된 부분이 있지 않을까 생각됩니다. 책을 보시면 각 절의 뒷부분에 전체 코드가 나와 있습니다. 또 깃허브에도 전체 코드가 제공됩니다. 이를 작성하신 코드와 비교해 보시면 좋을 것 같습니다. 감사합니다.

295쪽 세번째 문단

안녕하세요. 박해선입니다.이 부분은 사진을 군집하기 위해 다양한 탐색적 분석을 시도하는 내용입니다.어떤 통계적 의미가 아쉬워서 이렇게 진행한다는 내용이 아닙니다.감사합니다.

292쪽 픽셀값 분석하기

안녕하세요. 박해선입니다. 100*100 크기 2차원 배열을 10000 크기 1차원 배열로 만든다는 의미입니다.감사합니다.

182쪽 distances

안녕하세요. 혹시 3:4 슬라이싱에 대해 물어보신 걸까요? 사이킷런은 샘플 데이터로 2차원 배열을 기대하기 때문입니다. 감사합니다.

03-2 160쪽 릿지 회귀

안녕하세요. PolynomialFeatures는 입력의 개수를 늘려주는 한 방법입니다. 이런 작업을 특성 공학이라고 부릅니다. 릿지 회귀는 선형 회귀에 규제를 가하는 한 방법입니다. 이 규제가 입력에 곱해지는 계수를 제곱한 것입니다. 더 자세한 내용은 책 160페이지를 참고하세요. 감사합니다.

왜 k 근접 회귀는 전처리를 안하나요

안녕하세요. 타깃 변수는 스케일을 조정하지 않습니다. 최근접 회귀 예시의 경우 특성이 하나이므로 전처리가 필요하지 않습니다. 스케일 조정은 두 개 이상의 특성이 차이가 큰 범위를 가질 때 수행합니다. 감사합니다.

다중회귀 모델의 데이터량 관련

안녕하세요. 책 내용 이외의 질문에 대해서는 답변 드리기 어려운 점 양해 부탁드립니다. 감사합니다.