AI/딥러닝과 머신러닝 검색 결과
4 개의 검색 결과가 있습니다.
AI/딥러닝과 머신러닝

딥러닝과 머신러닝 - 교차검증(Cross Validation), K-Fold Cross Validation

안녕하세요, 츄르 사려고 코딩하는 집사 !코집사입니다. 이번 글에서는 저번에 Overfitting 에 대한 글을 썼었는데, 그 글에서 Validation data set에 대한 교차검증(Cross Validation)이라는 용어를 썼었죠. 그 Cross Validation에 대해 글을 써보려고 합니다. Overfitting에 관한 URL은 아래와 같습니다. https://yongku.tistory.com/entry/%EB%94%A5%EB%9F%AC%EB%8B%9D%EA%B3%BC-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EA%B3%BC%EC%A0%81%ED%95%A9Overfitting-%EA%B3%BC%EC%A0%81%ED%95%A9Overfitting-%ED%99%95%EC..

2019. 2. 2.
AI/딥러닝과 머신러닝

딥러닝과 머신러닝 - 과적합(Overfitting), 과적합(Overfitting) 확인해보기

안녕하세요, 츄르 사려고 코딩하는 집사! 코집사입니다. 이번 포스팅에서는 머신러닝과 딥러닝에서 일반화 성능을 떨어뜨리는 것 중 하나인 '과적합(Overfitting)'에 대해서 포스팅을 하려고 합니다. 과적합(Overfitting)이란?머신러닝이나 딥러닝 분야에서 모델을 만드는데, 모델에 training data를 과하게 학습을 시키는 것을 말합니다.모델에 training data를 과하게 학습을 시키면, 모델은 training data에 좋은 성능을 나타내고, 오차나 MSE가 줄어들 수 있겠지만 training data가 아닌 새로운 data에 대해서는 좋지 않는 성능을 나타내고, 오차나 MSE가 커지게 됩니다. 즉, training data에 무한한 신뢰를 하여 모델에 과하게 적합을 하면, 일반화의 ..

2019. 1. 31.
AI/딥러닝과 머신러닝

딥러닝과 머신러닝 - 일반화(Generalization)와 최적화(Optimization)

안녕하세요, 츄르 사려고 코딩하는 집사! 코집사입니다. 딥러닝과 머신러닝을 공부하는데 일반화와 최적화를 많이 혼동하는 경우가 많습니다. 일반화(Generalization)란?학습 데이터와 Input data가 달라져도 출력에 대한 성능 차이가 나지 않게 하는 것을 일반화라고 합니다.즉, 모델은 Training data를 가지고 모델링을 합니다. 모델링 하는 목적은 Training data가 아니라 다른 외부의 data를 모델에 집어 넣어도 Training data로 모델을 학습시켜 얻은 Accuracy와 비슷한 값을 가지게 하는 것이 목적입니다. 이 말은 거의 비슷한 출력을 얻어 모델을 이용하는 것과 같습니다. 그래서, 일반화는 다른 외부의 data를 넣어도 Training data로 모델을 학습한 것과..

2019. 1. 30.
AI/딥러닝과 머신러닝

머신러닝과 딥러닝 - 학습 데이터, 훈련 데이터(Training data set), 시험 데이터(Test data set)

안녕하세요, 츄르 사려고 코딩하는 집사! 코집사입니다. 한동안, 제주도에서 아이디어 경진대회를 하느라 글을 많이 못썼네요..하지만 1등을 했으니 뿌듯하네요! 이젠 다시 딥러닝을 공부해야 할 시기가 찾아왔습니다. 머신러닝의 처음부터 시작하려고 합니다. 머신러닝이란?? 1) 데이터를 이용한 모델링 기법 - 데이터를 이용하여 모델을 만드는 방법 - 데이터는 문서, 음성, 이미지 등의 자료이며, 모델은 머신러닝으로 얻어내는 결과임 - 모델링에 사용되는 데이터는 Training data set(훈련 데이터 셋, 학습 데이터 셋)이라고 함. - 전체 데이터가 있으면, 7:3 or 8:2로 Training data와 Test data를 나눈다. - 그 중에, 다시 Training data에서 Training data..

2019. 1. 28.