머신러닝에서 "학습"이란?

학습이란 데이터를 보고 최적의 가중치(w)와 편향(b)을 찾는 과정입니다.

사람의 학습 vs AI의 학습

구체적인 학습 과정

1. 시작: w = 0, b = 0  (아무것도 모름)
   예측: 모든 입력에 대해 0 출력
   손실: 매우 큼

2. 데이터 보기: (x=25, y=85)
   예측: 0 → 실제: 85 (큰 오차!)

3. 조정: w와 b를 조금 키우자
   w = 1.5, b = 0.5

4. 또 데이터: (x=30, y=100)
   예측: 45.5 → 실제: 100 (아직 차이 큼)
   더 조정: w = 3, b = 10

5. 반복... 반복...

6. 완료: w = 3, b = 10  (최적값 발견!)
   예측 정확도: 95%+

학습 전후의 모델 비교

# 학습 전
model = LinearRegression()
model.coef_       # 정의되지 않음 (학습 안 됨)
model.intercept_  # 정의되지 않음

# 학습 후
model.fit(X, y)
model.coef_       # 3.0  (찾아낸 가중치)
model.intercept_  # 10.0 (찾아낸 편향)

왜 fit()이라는 이름?

fit = 맞추다

데이터에 직선을 "맞추는(fitting)" 과정

      ↑
   y  |    *      *
      |  *   *  *   ← 데이터 점들
      | * *      *
      |/
      +─────────→ x
      ↑
   직선을 데이터에 가장 잘 맞도록 그리기

학습은 곧 "파라미터 최적화"

파라미터 = w, b 같은 학습되는 숫자들
최적화 = 손실이 최소가 되는 값을 찾는 것

학습 = 손실 함수가 최소가 되는 w와 b 찾기

딥러닝도 마찬가지

복잡한 신경망도 결국 수만~수십억 개의 가중치를 학습합니다.

• GPT-3: 약 1750억 개의 가중치
• GPT-4: 추정 1조 개 이상

많을 뿐이지, 본질은 w와 b를 찾는 것과 같습니다.

💡 핵심: 머신러닝의 학습은 "데이터에 가장 잘 맞는 w와 b를 찾는 과정"입니다.