PROGRESS
2 / 14
단원
데이터 구조화: AI 전처리 17
데이터의 규칙: 예측 로직 14
옷의 시너스: 판단 로직 1
예와 아니오: 판단 로직 6
닮은꼴 찾기: 관계 로직 7
최적의 경로: 강화 로직 7
층층이 지능: 신경망 로직 7
전체 목록
QUESTION 02 #404
선형 모델 y = wx + b에서 가중치 w가 클수록 의미하는 것은?
다음 중 옳은 것을 고르세요
가중치(Weight, w)의 의미
가중치는 "입력이 결과에 얼마나 큰 영향을 주는가"를 나타냅니다.
직선의 기울기로 이해하기
y = wx + b
↑
기울기w = 5 (큰 양수): / ← 가파르게 상승
/
/
w = 0.5 (작은): ___ ← 거의 평평
w = -2 (음수): \ ← 하락
\실생활 예시: 아이스크림 판매량
판매량 = w × 기온 + b| w 값 | 의미 | 해석 |
|---|---|---|
| w = 10 | 강한 양의 영향 | 기온 1도 오를 때마다 10개 더 팔림 |
| w = 1 | 약한 양의 영향 | 기온 1도 오를 때마다 1개 더 팔림 |
| w = 0 | 무관 | 기온이 변해도 판매량 변화 없음 |
| w = -3 | 음의 영향 | 기온 1도 오를 때마다 3개 덜 팔림 (핫초코?) |
다중 입력에서의 가중치
판매량 = w1 × 기온 + w2 × 습도 + b- w1 = 5, w2 = 0.5 → 기온의 영향이 습도보다 10배 큼
- 가중치를 비교하면 어떤 특성이 더 중요한지 알 수 있음
머신러닝에서의 가중치
학습이란 결국 "적절한 가중치를 찾는 과정"입니다.
- 시작: w를 무작위 값(예: 0)으로 설정
- 학습: 데이터를 보며 w를 조금씩 조정
- 완료: 데이터에 가장 잘 맞는 최적의 w 발견
💡 핵심: 가중치 w는 "입력의 중요도" 또는 "영향력의 크기"를 의미합니다.