일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- Linear Regression
- 사후확률
- l1 loss
- 머신러닝
- logit
- map
- Learning Rate
- 손실함수
- MLE
- bias
- AdaGrad
- 메타코드
- regularization
- k-Fold
- loss function
- logistic regressionlogistic
- 시그모이드
- 메타코드M
- LOOCV
- colab
- variacne
- Gradient Descent
- lest square method
- metacode metacodem
- l2 loss
- lasso regression
- metacodem
- metacode
- Ridge regression
- 우도확률
- Today
- Total
목록ML,DL (8)
go hard to Hardware
http://mcode.co.kr/video/list2?viewMode=view&idx=21 메타코드M빅데이터 , AI 강의 플랫폼 & IT 현직자 모임 플랫폼ㅣ메타코드 커뮤니티 일원이 되시기 바랍니다.mcode.co.krMLE(Maximum Likelihood Estimation)- Likelihood 가 우도 확률을 나타내는 말- parameter 값을 잘 모르지만 안다고 가정했을 경우, 주어진 데이터의 분포를 찾아보는 것- 중앙에 데이터가 몰려있는 형태를 정규분포라 하는데, PDF는 평균( μ )과 분산( σ )를 이용해서 정규분표의 확률값을 찾을 수 있는 함수이다.- Sample이 n개로 표현할 때, 각각의 pdf가 모두 존재 할 것인데 이 모든 값을 곱해준 것이 Likelihood가 된다.- S..
http://mcode.co.kr/video/list2?viewMode=view&idx=21 메타코드M빅데이터 , AI 강의 플랫폼 & IT 현직자 모임 플랫폼ㅣ메타코드 커뮤니티 일원이 되시기 바랍니다.mcode.co.kr머신러닝의 지도학습의 큰 분야인 회귀와 분류중 회귀를 학습했고이번 시간부터 분류에 대해서 배운다!우선 Classification을 배우기 전에 머신러닝의 회귀와 분류를 Remind 해 보자머신러닝 지도학습은 y가 존재하는 상태인데,이 때 출력값이 연속이면 회귀 모델, 이산이면 분류 모델이 된다.또 분류 모델 중에서도, 이진 분류라면 시그모이드, 세 개 이상의 class 가 존재하는 상황에서는 softmax가 꼭 포함되야 한다.우선 이진 분류일때 사용하는 시그모이드 함수이다.병이 있을때는..
http://mcode.co.kr/video/list2?viewMode=view&idx=21 메타코드M빅데이터 , AI 강의 플랫폼 & IT 현직자 모임 플랫폼ㅣ메타코드 커뮤니티 일원이 되시기 바랍니다.mcode.co.krRidge Regression- 머신러닝 모델의 MSE 오차와 Ridge 를 합함- β_1, ..., β_n 중 β_2가 MSE를 이용해서 오차가 잘 안 구해지는 상황일 때- β_2를 특정 값으로 만들어서 loss 값을 올릴 바에, 0으로 만들어서 Loss를 줄이고자 함- 그래서 파라미터의 크기를 식 뒤에 붙여줌- L2 : norm의 제곱값을 사용한다는 의미Lasso Regression- 머신러닝에서 L1 정규화 손실함수는, β에 절대값의 합을 넣어 준다.- 0에서의 오차값의 차이를 ..
http://mcode.co.kr/video/list2?viewMode=view&idx=21 메타코드M빅데이터 , AI 강의 플랫폼 & IT 현직자 모임 플랫폼ㅣ메타코드 커뮤니티 일원이 되시기 바랍니다.mcode.co.krBias and Variance Trade-off- 사진은 variance와 bias의 가능한 분포 사항을 나타낸 것- 빨간색 부분 : θ, 파란색 점 : θ^- bias는 θ와 θ^의 차이를 나타내기 때문에 학습 data의 정확도와 관련있는 under-fitting과 관련있는 개념- variance는 평가 data에 대한 error가 커지는 over-fitting과 관련있는 개념- 머신러닝 전반적인 부분에서 사용되는 그래프- 그래프에서 앞쪽은 선형, 뒷쪽은 비선형 모델을 나타냄- 비..