22. 딥러닝 : 오버피팅(과적합) : 분류 문제, 개념, 예제, 차이, 사진

분류 문제 오버피팅

 

오버피팅 분류에 대해 알아보겠습니다. 지도 학습의 주요 유형은 회귀와 분류입니다. 회귀 및 분류 측면에서 가장 많은 개념을 알아보도록 노력하여야 합니다. 

위 그림에는 두가지 범주가 있습니다. 개와 고양이라고 할 수 있습니다. 모든 데이터를 설명하는 좋은 모델은 이전 예제에서 보았듯이 로직에 따라 약간의 오류가 있는 이차 함수처럼 보입니다. 

오버피팅된 모델은 어떨까요? 물론 선형 모델의 경우 선형 모델 데이터가 변화되지 않은 경우 정확도가 약 60% 정도 올바르게 분류하고 과적합 모델이 예측치를 완벽하게 분류할 수 있습니다. 

데이터 세트의 고양이 및 개 사진을 가지고 다시 새로운 사진으로 테스트를 진행한다면 성능이 매우 저하됩니다. 잘 훈련된 모델은 어떤 것일까요? 잘 알려지지 않은 모델과 과적합 모델 사이에 있다고 할 수 있습니다. 이 미세한 균형은 종종 바이어스 트레이드 오프라고도 합니다.

 

 

 

오버피팅

 

언제나 CNN을 위해 기계학습을 공부할 떄는 이 과적합을 의미하는 침대 사진을 볼 수 있습니다 .이것은 일부 사람들에게는 완벽하게 맞지만 평균적으로 침대라고 하기에는 어렵습니다. 이러한 사진을 보고 재미있게 이해하셨다면, 오버피팅의 개념을 잘 이해한 것이라고 할 수 있습니다. 앞으로 다양한 개념들에 대해 더욱 알아보도록 하겠습니다.