딥러닝의 통계적 이해(방송통신댿�학껓 과제)-30점 만점

풿�이:
집에서 키우는 샴 고양이가 가까이서 얼굴만 봤을 때는 족제비과의 담비랑 닮았다는 소리를 들은 적이 있었는데, 과연 머신러닝 모형이 담비인지 샴 고양이인지 제대로 구별할 수 있는지 알아보기 위하여 인터넷에서 검색할 수 있는 샴 고양이 사진과 담비 사진을을 데이터로 머신 러닝 모형을 만들어봤다.
Teachable Machine에 담비 이미지 15개왿� 샴 고양이 이미지 15개를 각 클래스로 나누어 입력하고 학습시켰다. 학습 시도 횟수인 에포크는 50으로 설정했다. 에포크는 클수록 좋은 학 습 성능을 가진다. 배치크기는 16으로 설정했다. 배치시 매 학습마다 몇 개의 샘플을 사용할 지 정한다. 담비, 샴고양이 이미지 각각 15개이므로 모두 공평하게 1번의 배치가 피드되면 1 에포크를 학습완료한다. 학습률은 0.001로 설정했으며 모델의 성능에 배치 크기나 에포크보다 더 큰 영향을 끼칠 수 있다.

<중 략>

결��해석:
위에서부터 순서대로 class 2의 출력값이 에포크 50, 학습률 0.001: 48% -> 에포크 100, 학습률 0.001: 76% -> 에포크 100, 학습률 0.0007: 92%로 증가했다.
마찬가지로, 에포크를 50에서 100으로 늘릴수록, 학습률을 0.001에서 0.0007로 개선시킬수록 학습률이 더 좋아지므로 출력값 정확도가 개선됨을 알 수 있다.

** 담비 다음으로 샴 고양이왿� 닮은 같은 족제비과의 족제비 이미지를 입력해봤다. 그 결과, 기본값인 에포크 50, 배치크기 16, 학습률 0.001 조건에서는 class 1의 출력값이 39%로 낮은 수치였지만, 에포크를 100으로 늘린 조건과 에포크 100, 학습률 0.0007로 개선시킨 조건에서 모두 class 1의 출력값이 100%로 증가했다. 즉, 위에서 학습시킨 모델이 담비, 족제비를 같 은 종류로 분류할 수 있고, 전혀 다른 종인 샴 고양이랑은 구분할 수 있다는 것이다.