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 |
- Learning Rate
- colab
- metacode
- 로지스틱 회귀
- 우도확률
- metacode metacodem
- 사후확률
- Ridge regression
- MLE
- logistic regressionlogistic
- loss function
- Multiclass
- 메타코드
- 머신러닝
- map
- metacodem
- lasso regression
- 메타코드M
- lest square method
- l1 loss
- F1 Score
- l2 loss
- AdaGrad
- k-Fold
- cross entropy loss
- hyperplane
- regularization
- variacne
- 재현도
- logit
- Today
- Total
목록머신러닝 (2)
go hard to Hardware
http://mcode.co.kr/video/list2?viewMode=view&idx=21 메타코드M 빅데이터 , AI 강의 플랫폼 & IT 현직자 모임 플랫폼ㅣ메타코드 커뮤니티 일원이 되시기 바랍니다. mcode.co.kr 선형모델과 비선형모델 말고도, 데이터가 분포 형식으로 주어졌을 때 그 데이터를 어떠한 경계로 표현할 수 있으면 그를 결정경계라고 표현하고 그 경계가 선형인지, 비선형인지에도 선형/비선형 용어가 사용된다. 다음 강의부터는 머신러닝에 사용되는 기본적인 수학 상식들을 공부한다. 파라미터 사이의 관계를 표현해 주는게 함수이다. 실제로 출력되는 값은 y^(hat) 이지만 완벽한 상황을 나타내는 y가 있을텐데 그 함수를 표현하기 위해 y를 사용하기도 한다(그 함수를 찾는게 목적이니까!) 가장..
http://mcode.co.kr/video/list2?viewMode=view&idx=21 메타코드M 빅데이터 , AI 강의 플랫폼 & IT 현직자 모임 플랫폼ㅣ메타코드 커뮤니티 일원이 되시기 바랍니다. mcode.co.kr 메타코드M 머신러닝 입문 올인원 강의를 통해서 머신러닝의 기초를 쌓고 내가 연구하고 싶은 분야를 전문적으로 탐색해보려고 한다. 챕터는 크게 회귀, 분류, 앙상블 학습, 차원 축소, 클러스터링으로 나누어져 있다. 수업시간에 많이 듣긴 했지만... 잘 몰라서 따라가느라 힘들었는데 개강 전에 들었으면 참 좋았겠다 라는 생각이 든다 ㅠㅠ 우선 인공지능⊃머신러닝⊃딥러닝의 포함관계가 소개된다. 인공지능 기계가 배울 수 있는 모든 지식과 기술 머신러닝 기계를 학습시킴 ex) 어떤 방법론을 통해..