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 |
- regularization
- F1 Score
- logistic regressionlogistic
- k-Fold
- 메타코드
- metacode
- AdaGrad
- Multiclass
- cross entropy loss
- 사후확률
- 메타코드M
- Learning Rate
- l1 loss
- lasso regression
- variacne
- MLE
- map
- metacode metacodem
- loss function
- colab
- 재현도
- hyperplane
- lest square method
- 머신러닝
- 로지스틱 회귀
- logit
- metacodem
- Ridge regression
- 우도확률
- l2 loss
- Today
- Total
목록2024/04 (6)
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.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..
http://mcode.co.kr/video/list2?viewMode=view&idx=21 메타코드M빅데이터 , AI 강의 플랫폼 & IT 현직자 모임 플랫폼ㅣ메타코드 커뮤니티 일원이 되시기 바랍니다.mcode.co.krGradient Descent- 계산한 미분값을 그대로 사용하지 않고, learning rate라는 하이퍼파라미터를 사용할 것임- learning rate : 머신러닝에서 loss function의 최소값을 향해 이동하면서 각 반복에서 단계의 크기를 결정하는 parameter- loss function을 최소로 만드려고 할 때, 미분값이 크다 보면 커졌다 작아졌다를 심하게 반복하여 수렴하기가 어렵게 됨- 미분값이 크면 천천히, 미분값이 작으면 크게 최적값에 도달하도록 한다- 학습 초기에..
http://mcode.co.kr/video/list2?viewMode=view&idx=21 메타코드M빅데이터 , AI 강의 플랫폼 & IT 현직자 모임 플랫폼ㅣ메타코드 커뮤니티 일원이 되시기 바랍니다.mcode.co.krLest square method머신러닝에서 모델의 파라미터를 구하기 위한 대표적인 방법 중 하나편미분- 원하는 변수가 x일 때, ∂f/∂x 라 작성할 수 있음연쇄법칙- 미분 기호를 분수 형태로 생각했을 때, u라는 변수를 새로 도입시켜서 y에서 x에 대해 미분하는 과정을 두 가지 step으로 나눈다- 고등수학에서 ln(x)의 미분식을 배웠을 때도 사용된 개념- 머신러닝에서 weight parameter의 기울기를 효율적으로 계산할때 사용됨Loss function- 강의자료에 나온 i라..