#치트시트
15편
- PyTorch 치트시트를 다시 쓴다 — 에러가 나면 차라리 다행이다널리 도는 PyTorch 치트시트의 줄들을 2.8에서 하나씩 돌려 봤다. torch.solve와 symeig는 이미 제거됐고 torch.load는 기본값이 바뀌었다. 그런데 진짜 문제는 에러가 나는 쪽이 아니었다 — (N,1)과 (N,)을 빼면 손실이 272배로 부풀고, 레이어를 리스트에 담으면 파라미터가 0개가 되며, zero_grad를 빼먹으면 한 스텝 이동량이 66.8배가 되는데 정확도는 멀쩡해 보인다
- scikit-learn 치트시트를 다시 쓴다 — 잡음만 있는 데이터에서 85.8%load_boston·plot_confusion_matrix·OneHotEncoder(sparse=)·max_features='auto'는 1.6에서 전부 사라졌다. 그런데 진짜 문제는 에러가 나지 않는 쪽이다. 라벨과 아무 관계도 없는 순수 잡음 데이터에서 특징 선택을 교차검증 밖에 두자 85.8%가 나왔다. 정상적으로 하면 39.2%다
- PyTorch 치트시트 — 실제로 돌려서 검증한 것만 남겼다치트시트 5종에서 겹치는 핵심만 추린 뒤 전부 실행해 확인했다. torch 2.8.0 기준
- NumPy 치트시트를 다시 쓴다 — 축, 뷰, 그리고 지금은 에러가 나는 것들함수 목록이 아니라 틀리는 자리로 다시 묶었다. 원본 치트시트에서 이제 안 도는 코드도 정리
- pandas 치트시트를 다시 쓴다 — loc, 원본이 바뀌는 자리, 그리고 사라진 append함수는 외워도 loc 과 iloc, 뷰와 복사, groupby 의 결측 처리에서 틀린다. 2.x 에서 없어진 것도 정리
- matplotlib 치트시트를 다시 쓴다 — plt 로 시작해서 ax 로 끝난다Figure·Axes 구조, 상태 기반과 객체지향의 갈림길, 저장과 한글, 그리고 버전마다 달라진 이름들
- seaborn 치트시트를 다시 쓴다 — figure 수준과 axes 수준이 구분 하나면 절반은 끝난다. 그리고 치트시트의 factorplot·distplot 이 지금 어떻게 되었는지
- SciPy 치트시트를 다시 쓴다 — np.matrix 로 시작하지 않는다역행렬 대신 solve, 검정 함수 지도와 ttest_ind 의 등분산 기본값, 그리고 없어진 이름들
- CS229 지도학습 치트시트를 다시 쓴다 — 무엇이 무엇의 특수한 경우인가모델을 하나씩 외우지 않는다. 손실함수와 GLM 세 가정으로 회귀·로지스틱·SVM 을 한 줄에 세운다
- CS229 비지도학습 치트시트를 다시 쓴다 — 정답이 없을 때 무엇을 믿는가k-means 와 EM 은 같은 뼈대다. 왜 왜곡 함수로는 k 를 못 고르는지 숫자로 확인했다
- CS229 머신러닝 팁 치트시트를 다시 쓴다 — R² 는 잡음만 넣어도 오른다지표·교차검증·편향분산·정규화. 지표가 좋아졌다는 말이 왜 증거가 아닌지 숫자로 확인했다
- CS229 딥러닝 치트시트를 다시 쓴다 — 0.25 를 스무 번 곱하면활성화 함수·드롭아웃·배치정규화·합성곱 크기 공식. 왜 ReLU 로 갈아탔는지 숫자로 본다
- CS229 수학 리프레셔를 다시 쓴다 — 왜 n=30 이고 왜 n-1 인가확률·통계와 선형대수·미적분에서 머신러닝이 실제로 쓰는 것만. 경험칙의 근거를 숫자로 확인했다
- 엑셀 치트시트를 다시 쓴다 — 함수보다 참조와 버전이 문제다VLOOKUP 의 네 번째 인자, F4 한 번, 그리고 회사 엑셀에는 없는 XLOOKUP
- Keras 치트시트를 다시 쓴다 — 조용히 학습이 안 되는 자리들손실 함수를 잘못 고르면 loss 가 0 이 된다. EarlyStopping 이 되돌리지 않는 것, 그리고 사라진 predict_classes