Please enable JavaScript.

Coggle requires JavaScript to display documents.

11월 19일 - Coggle Diagram

- - - - 범주성 데이터
        
        고른 비율 중요
        
        가중치 조절
        
        강제 데이터 늘리기
      - 회귀 데이터
        
        함수 범위 지지 중요
        
        보간
        
        외삽
        
        근사 능력 저하
    - - 분리
        
        검증 데이터셋
        
        테스트 데이터셋
        
        훈련 데이터셋
      - 분포
        
        원래의 분포 유지
  - - - 미니배치 방식
        
        데이터를 작은 단위로 묶어서 훈련
        
        일반적인 신경망 훈련 방식
        
        장점
        
        빠른 학습
        
        확률적 성질로 인한 정규화 효과, 최적해
        
        적절한 미니배치 크기
        
        2의 거듭제곱
        
        효율적 GPU 메모리 사용
        
        검증 데이터셋을 이용해서 적절한 크기를 찾는다.
      - 배치 방식
        
        훈련 데이터셋을 한꺼번에 입력
        
        온라인 학습 등 불가
        
        메모리용량 초과 용이
      - 확률적(stohastic) 방식
        
        데이터를 샘플 단위로 묶어서 학습
    - - 배치 경사 하강법
        
        적은 진동
        
        립시츠 연속
        
        최적해로 수렴
        
        함수 변화량의 상한을 갖는 성질
      - 미니배치 경사 하강법
        
        중간 진동
      - 확률적 경사 하강법
        
        많은 진동
  - - - 최적해가 관측 데이터를 잘 설명할 수 있는 함수의 파라미터 값이 되도록 정의
        
        모델
        
        오차 최소화
        
        예측과 관측 데이터 타깃의 차이 최소화
        
        MSE
        
        MAE
        
        최대우도측정
        
        우도
        
        모델이 추정하는 관측데이터의 확률
        
        관측 데이터의 확률이 최대화되는 확률분포 함수를 모델이 표현하도록 만드는 것
- - - - frhme.code
      - wikipedia)
    - - 중간고사
      - 중간고사풀이