리스트 예시: 게시물이 존재할 경우 3건을 노출합니다.
-
AI
성능 최적화
성능 최적화모델의 복잡도와 과적합Early StoppingDropout 모델의 복잡도와 과적합(Overfitting) 모델링의 목적 모델링의 목적학습용 데이터에 있는 패턴으로, 그 외 데이터(모집단 전체)를 적절히 예측학습한 패턴(모델)은,학습용 데이터를 잘 설명할 뿐만 아니라모집단의 다른 데이터(val, test)도 잘 예측해야 함모델의 복잡도너무 단순한 모델 : train, val 성능이 떨어짐적절히 복잡한 모델 : 적절한 예측력너무 복잡한 모델 : train 성능 높고, val 성능 떨어짐Underfitting과 Overfitting모델(알고리즘)마다 복잡도를 결정하는 요인이 있음. 과적합 Overfitting : 왜 문제가 될까?모델이 복잡해 지면, 가짜 패턴(혹은 연관성)까지 학습하게 됨.가짜 ..
-
AI
CNN 모델링 실습
CNN 모델링 실습환경 세팅, 데이터 준비, 모델링추가 학습으로 틀린그림 찾기진짜 그림판 손글씨로 쓴 그림 예측 https://drive.google.com/file/d/1OA1-59dILto6UmJrFaxPDESTQKVPLbN2/view?usp=sharing 4-1 CNN 모델링.ipynbColab notebookdrive.google.com 추가 실습으로는패션 아이템 이미지 10가지로 분류 실습을 진행해봄https://drive.google.com/file/d/1C9AZ1czwDJ3WuvQhZFQ7zqgIT7HI9-eA/view?usp=sharing 4-2 CNN 모델링_실습.ipynb drive.google.com
-
AI
CNN 모델링
CNN 기초CNN 개념 이해CNN 구조코드 이해CNN 개념 이해 CNN 컨셉 - 영역 이 사진을 보고 어떻게 고양이인지 알 수 있나요?귀, 눈, 코, 수염??이 모든 것은 특정 부분(영역)에서 얻어낸 특징(feature)이다.이러한 특징으로 부터 고양이(target)인지 알 수 있다. CNN 컨셉 - 영역, 그리고 필터 고양이의 특정 부분을 잘 캐치해 내는 필터들을 만들고자 한다,귀를 잘 캐치해내는 필터귀 부분을 찾으면 숫자가 커지고없으면 숫자가 거의 0에 가까워 지는이동왼쪽 위 끝에서 부터오른쪽으로 몇 칸씩 움직이며 '귀'를 찾습니다.오른쪽 끝까지 이동한 후에왼쪽으로 돌아와 아래로 몇 칸 내려와서다시 오른 쪽으로 이동한다. CNN 컨셉 - 모델 학습 CNN 학습 : 고양이를 잘 맞추는 필터 여러 개를 ..
-
AI
분류 모델링 실습
이진 분류 모델링 실습 진행회귀 모델과 다른 부분을 중점으로 학습 진행함은닉층의 활성화 함수(히든 레이어 활성화 함수)는 렐루출력층(아웃풋 레이어) 활성화 함수는 이진 분류일때는 시그모이드 사용모델 학습시 1. 리셋하고 모델 처음부터 학습 시키는 방법 2. 학습 이후 시점부터 더 학습시켜서 줄여가는 방법(이 방법 사용하고 난 후 그래프 그려보면 기존 학습했던곳 마지막 부분부터 그래프가 그려짐) Precision과 recall 계산위 예시 사진에서 고객 이탈이 0 과 1 로 표현될때모델을 만들었는데 한달동안 예측을 진행했을때실제 이탈하는 고객 중 어느정도 맞췄는냐 ? -> recal1 관점에서 recal 10 / 7 + 10모델이 이사람은 이탈할꺼야 라고 예상했는데 그 중 진짜 이탈하는 고객 -> prec..
-
AI
분류 모델링
분류 모델링Hidden Layer 이해Binary ClassificationMulti-class Classification Hidden Layer 이해 Hidden Layer 에서 무슨일이 일어나는가?실제 Hidden Layer 의 각 노드가 어떤 (비즈니스) 의미인지 파악하는 것은 어렵다.아래 학습할때는 이해를 돕기 위해 특별한 모델 구조를 구성했음 연결모든 노드 간에 연결을 할 수 도 있지만 (Full Connected)아래처럼 연결을 제어할 수도 있음 (Locally Connected) 학습예측 값과 실제 값을 비교하며, loss funcion 으로 오차를 계산하고오차를 줄이기 위해, 파라미터(가중치)를 업데이트 한다. 학습드디어 오차를 최소화 하는 파라미터(가중치)를 찾았다. 학습이 완료된 후,..
-
AI
회귀 모델링 실습
회귀 모델링 예제 https://colab.research.google.com/drive/1qusPaD7MjKSkBi42iOVfaeesAjDG-bW9#scrollTo=d7PI9-30TO0T 2-1 회귀 모델링.ipynbColab notebookcolab.research.google.com 위 실험에서 실습 2에서이번에는 여러분이 원하는 구조와 하이퍼파라미터 값을 조정하여 성능을 높여 봅시다. 에서 기존에 옵티마이저는 Adam을 사용했고, 최근 회귀 모델에서는 Adam을 많이 사용하는 것을 알고는 있지만, RMSprop 옵티마이저를 사용해 봤습니다.RMSprop (Root Mean Square Propagation) 기존 모델에서 사용했떤 Adam 대신 RMSprop 를 사용한 이유와 장점가중치 업데이트의..
