Notice
Recent Posts
Recent Comments
Link
| 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 |
Tags
- hyperplane
- cross entropy loss
- logit
- lasso regression
- AdaGrad
- MLE
- lest square method
- 메타코드M
- Learning Rate
- 재현도
- colab
- 우도확률
- loss function
- 로지스틱 회귀
- l2 loss
- regularization
- logistic regressionlogistic
- F1 Score
- metacodem
- Multiclass
- 메타코드
- 머신러닝
- Ridge regression
- map
- variacne
- k-Fold
- 사후확률
- metacode
- l1 loss
- metacode metacodem
Archives
- Today
- Total
목록variacne (1)
go hard to Hardware
[머신러닝 입문] 메타코드 강의 후기_머신러닝 입문 올인원_1강 회귀(4)
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..
ML,DL/ML 입문
2024. 4. 27. 02:13