반응형
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
- Neural network
- 비용 함수
- 딥 러닝
- iris
- 정리
- 논리 회귀
- Gradient descent algorithm
- cost function
- 선형 회귀
- machine learning
- Sigmoid Function
- reinforcement learning
- CNN
- 합성곱 신경망
- Logistic
- 요약
- regression
- 회귀
- Kaggle
- convolutional neural network
- 강화학습
- Logistic regression
- 기울기 감소 알고리즘
- RL
- csv
- Q-Learning
- sklearn
- Deep learning
- data
- 시그모이드 함수
Archives
- Today
- Total
목록Ensemble Model (1)
컴공돌이의 스터디 블로그
[시즌1].Lecture 10_3 - Neural Network 2: ReLU and 초기값 정하기_Dropout 과 앙상블
* 이 글은 홍콩과기대 김성훈 교수님의 무료 동영상 강좌 "모두를 위한 머신러닝과 딥러닝 강의"를 보고 요점을 정리한 글 입니다. Dropout Machine Learning(기계 학습)의 가장 중요한 문제점들 중 하나는 바로 Overfitting(과적합)입니다. 이 Overfitting은 Training Data Set에 너무 적합해진 현상을 의미합니다. Training Data Set으로 입력데이터를 집어넣으면 결과는 잘 나오지만 그밖의 데이터 Test Data Set을 입력데이터로하여 집어넣으면 좋지 않은 결과가 나오게되는 것이 이 Overfitting의 문제점이라고 할 수 있습니다. Error율과 Neural Network의 Layer수를 비교해 보면 Training Data Set을 입력데이터로..
강의 Study/모두를 위한 머신러닝과 딥러닝 강의
2018. 2. 23. 12:00