이감 (온라인)파이널 패키지 4회 비문학 16번 문제 오류지적

게시글 주소: https://orbi.kr/00064462833

비문학 저거 하나 나갔네요

너무 이해가 안 돼서

지금 질문 등록해 놓은 상태입니다.

첫 문단 서술이 모호해서 좀 보충합니다.

A 벡터 학습 후에는 사과 벡터를 넣었을 때 사과로 분류될 확률이 높아지고 나머지 과일로 분류될 확률이 낮아집니다. 그리고 사과를 제외한 나머지 세 개의 벡터를 분류 모델에 입력했을 때는 4개의 가능도가 모두 같은 값이므로 각 과일로 분류될 확률이 일정합니다.

이하 내용은 같습니다.

여러분들의 생각은 어떠신지요???

팔로우 4

0 XDK (+0)

유익한 글을 읽었다면 작성자에게 XDK를 선물하세요.

N축의신 [1234179]

쪽지 보내기

최근 게시글 · 더보기
0 1 23/07/12 13:11 NOMI
0 0 23/07/01 01:20 근데 도형의 필연성

알림
스크랩
신고

winase · 1246882 · 23/09/19 06:32 · MS 2023

학습이 정답 클래스 가능도는 높이고 아닌 경우는 낮춘다고 명확히 명시되어 있는걸로 보여서 오류는 아닌 것 같습니다.

좋아요 0 답글 달기 신고
winase · 1246882 · 23/09/19 06:34 · MS 2023

가정하신 사과 빼고는 그대로 1/4이다가 틀렸고 임의니까 비율 동등하다 쳐도 다 맞는 말이 되네요

좋아요 0 답글 달기 신고
winase · 1246882 · 23/09/19 06:36 · MS 2023

그리고 뭐.. 지문만 보고 찾는게 틀렸다고 생각하신다면 기계학습 방법론들인 lr, dt, svm 등의 로직 자체가 n차원 공간을 구분짓는 n-1차 구분선을 수정하는 거라 특정 클래스만 증가하고 다른 클래스는 그대로고 일 수가 없습니다. xy 평면이라면 일차함수 기울기랑 절편을 옮기는거기에..

좋아요 0 답글 달기 신고
N축의신 · 1234179 · 23/09/19 07:59 · MS 2023

친절한 답변 감사합니다.

하지만 하나 남은 의문은
문제에 주어진 조건은 사과가 입력되었을 때의 연산 가중치만 수정하는 것 같은데 이 때문에 사과가 사과로 분류될 확률이 높아지고 사과가 다른 과일로 분류될 확률은 조금씩 낮아지는 것 아닌가요?
그리고 사과 이외의 과일이 입력되었을 때는 아직 학습 전이라 4개의 과일 중 어느 쪽으로도 비중이 치우치지않게 분류되므로, 전체 상황을 고려해 보면 2번 선지의 서술이 적절하다고 생각됩니다.

혹시 한번 더 답변해 주실 수 있으신지요??

기계학습에 대해선 전공지식이 부족한데 공부해 봐야겠네요.

좋아요 0 답글 달기 신고
winase · 1246882 · 23/09/19 08:04 · MS 2023

선지 선택 때는 배경지식은 다 배제하고 푸는게 맞다고 생각해서 공부할 필요는 없어보이고요.

제가 말한 글에 답이 있다는건 밑에서 마지막 5번째 줄에 직접 "동시에 정답이 아보 클래스들은 가능도가 낮아지도록 함께 조정한다." 이 부분입니다.

좋아요 0 답글 달기 신고
winase · 1246882 · 23/09/19 08:05 · MS 2023

개념 지식 다 필요없고 그냥 글 자체에서

a 넣으면 - a 증가 / 나머지 감소 라고 했으니 끝이죠

좋아요 0 답글 달기 신고
N축의신 · 1234179 · 23/09/19 08:08 · MS 2023

그렇게 돼도 2번선지가 적절한 것 아닌가요?
답은 2번입니다

좋아요 0 답글 달기 신고
N축의신 · 1234179 · 23/09/19 07:58 · MS 2023

회원에 의해 삭제된 댓글입니다.

좋아요 0