[24.02.18] 나만의 모닝스쿨 140일차

자신이 해야 할 일을 결정하는 사람은 세상에서 단 한 사람, 오직 나 자신뿐이다.
- 오손 웰스 -

오늘의 명상

https://youtu.be/HtHS8oO9Tg8

---

오늘의 감사 인사

금요일에도 면접 일정이 잡히게 된 것에 감사합니다.

아침으로 간장계란밥을 먹을 수 있음에 감사합니다.

기차비를 지원해주신 부모님께 감사합니다.

---

오늘의 기사

https://times.kaist.ac.kr/news/articleView.html?idxno=22124

89년 만의 제곱수의 해, 2025년 - 데이터 분석과 머신러닝에서 제곱수의 역할 - 카이스트신문

Point
제곱수는 머신러닝과 데이터 분석에서 다양한 방식으로 활용된다. 특히, 제곱수의 양수성, 크기 변화 특성은 데이터 차이를 측정하거나 모델을 평가하는 데 중요한 역할을 한다.

Reason
제곱수는 항상 양수이므로, 데이터 차이를 나타낼 때 부호의 영향을 받지 않고 크기만 반영할 수 있다.1보다 큰 수를 제곱하면 커지고, 작은 수를 제곱하면 더 작아지는 특성이 가중치를 부여하는 데 활용된다.머신러닝에서 데이터 간의 차이를 계산하고 모델 성능을 평가하기 위해 평균제곱오차, 유클리드 거리, 제곱 합 등의 개념이 사용된다.

Example
평균제곱오차 (MSE) – 회귀 알고리즘 평가오차의 크기를 나타낼 때 제곱을 사용하여 부호를 없애고, 큰 오차에 큰 가중치를 부여한다.오차가 양수/음수로 상쇄되지 않도록 평균제곱오차를 활용한다.유클리드 거리 – 데이터 사이 거리 계산K-최근접 이웃(KNN)과 K-평균 군집 알고리즘에서 데이터 간 거리 계산 시 활용된다.두 점 사이의 차이를 제곱한 후 합하고 제곱근을 취하여 거리 값을 구한다.제곱 합과 결정계수 (R²) – 회귀 모델 평가총 변동성(총 제곱 합), 설명된 변동성(설명된 제곱 합), 설명되지 않은 변동성(잔차 제곱 합)을 계산한다.결정계수(R²)를 통해 모델이 데이터를 얼마나 잘 설명하는지 0~1 사이의 값으로 평가한다.

Point
제곱수는 머신러닝과 데이터 분석에서 오차 측정, 거리 계산, 모델 평가 등 다양한 용도로 활용된다. 이를 통해 보다 정확한 데이터 분석과 최적화가 가능해진다. 앞으로도 제곱수를 활용한 데이터 분석 기법이 지속적으로 발전할 것으로 기대된다.