4. 이진 분류기 결과로 FPR과 TPR이 나왔다고 가정해 보죠. 이 두 숫자로 전반적인 정확도를 계산할 수 있나요? 그렇지 못하다면 필요한 추가 정보는 무엇인가요?

5. 이진 크로스 엔트로피(3.2.4절)와 범주형 크로스 엔트로피(3.3.3절)의 정의는 모두 자연 로그(밑이 e인 로그)를 기반으로 합니다. 밑이 10인 로그를 사용하도록 정의를 바꾸면 어떻게 될까요? 이진 분류기와 다중 분류기의 훈련과 추론에 어떤 영향을 미치나요?

6. 코드 3-4에 있는 하이퍼파라미터 그리드 서치의 의사 코드를 실제 자바스크립트 코드로 바꾸고, 코드 3-1에 있는 두 개의 층으로 구성된 보스턴 주택 모델의 하이퍼파라미터 최적화를 수행해 보세요. 구체적으로 은닉층의 유닛 개수와 학습률을 튜닝해 보세요. 탐색할 유닛 개수와 학습률의 범위는 자유롭게 결정해도 좋습니다. 머신 러닝 엔지니어는 일반적으로 등비수열(즉, 로그 스케일)과 비슷한 간격으로 공간을 탐색합니다(예를 들어 units = 2, 5, 10, 20, 50, 100, 200,...).