수학, 거꾸로

최솟값을 찾아가기

이름은 바뀐다 — 손실, 보정 오차, 포트폴리오 위험. 절차는 하나다 — 좋아져야 할 숫자를 정하고, 선택지 사이를 움직이다가, 더 좋아지지 않는 곳에서 멈춘다. 한 번 읽고 나면, 모든 곳에서 알아본다.

골격

1

목적

작아져야 할 (또는 커져야 할) 한 숫자를 고른다.
2

움직임

선택지 공간에서 목적을 낮추는 방향을 정한다.
3

스텝

그 방향으로 얼마나 갈지 정한다.
4

정지

더 이상 움직임이 도움이 안 되는 시점을 정한다.

인스턴스 · 3

ML / DL · gradient-descent

경사하강법

목적 훈련 손실 L(w)

종료 조건 그래디언트 노름이 작거나 검증 손실이 평탄해질 때.

ML / DL · model-calibration

모델 캘리브레이션

목적 검증셋의 log-loss

종료 조건 온도 T 가 바뀌어도 검증 log-loss 가 더 안 좋아지지 않을 때.

금융 · portfolio-risk

포트폴리오 위험

목적 포트폴리오 분산 σ²

종료 조건 KKT 조건 충족 — 위험을 더 낮출 수 있는 가능한 움직임이 없을 때.

기댄 모듈

이 골격을 따라 읽기

최솟값을 찾아가기 →

한 골격 — 목적, 움직임, 스텝, 정지 — 이 ML과 금융의 세 응용을 받친다.