반응형 Computer Science/기계학습23 [Performance Evaluation] 2. Performance metrics for classification(1) Outline Bias-variance tradeoff & Cross-validation Performance metrics for classification HYPERPARAMETER TUNING THROUGH CROSS VALIDATION 2.1 Learning curves for hyperparameter tuning 하이퍼파라미터 튜닝에 있어서 학습 곡선을 활용하는 것은 매우 중요합니다. 학습 곡선은 모델이 훈련 데이터와 검증 데이터에 대해 어떻게 수행하는지를 시각적으로 보여주며, 이를 통해 모델의 과적합(overfitting) 또는 과소적합(underfitting) 여부를 판단할 수 있습니다. 하이퍼파라미터를 조정할 때, 최적의 선택을 찾기 위해서는 몇 가지 중요한 점을 고려해야 합니다. 최적의.. 2024. 4. 22. [Performance Evaluation] 1. Bias-variance tradeoff & Cross-validation Outline Bias-variance tradeoff & Cross-validation Performance metrics for classification BIAS-VARIANCE TRADEOFF 1.1 Underfitting and Overfitting 1.2 Bias and Variance 학습 방법을 선택할 때 항상 경쟁 관계에 있는 두 가지 요소가 있습니다. 바로 편향(Bias)과 분산(Variance)입니다. 편향은 복잡한 문제를 훨씬 단순화된 방식으로 모델링함으로써 발생하는 오류를 의미합니다. 예를 들어, 데이터의 복잡한 패턴이나 관계를 충분히 반영하지 못하고 너무 간단한 모델을 사용하게 될 경우 높은 편향이 발생할 수 있습니다. 분산은 다른 훈련 데이터 세트를 사용했을 때 추정치가 얼마나.. 2024. 4. 22. [Classification 2] 3. Classification algorithms - SVM( SUPPORT VECTOR MACHINE ): Non-linear SVM – Kernel trick Content Introduction to supervised learning approach Data split in supervised learning Classification algorithms KNN & distance measures Decision tree Random Forest, Ensemble approach SVM 3. Classification algorithms - SVM( SUPPORT VECTOR MACHINE ) SVM: Content 1. Linear SVM 2. Linear SVM: non-separable case 3. Non-linear SVM – Kernel trick 3.18 Non-linear SVMs 선형으로 분리 가능한 데이터셋에 약간의 잡음이 있을 때, 선형.. 2024. 4. 22. [Classification 2] 3. Classification algorithms - SVM( SUPPORT VECTOR MACHINE ): Linear SVM ContentIntroduction to supervised learning approachData split in supervised learningClassification algorithmsKNN & distance measuresDecision treeRandom Forest, Ensemble approachSVM3. Classification algorithms - SVM( SUPPORT VECTOR MACHINE ) SVM: Content 1. Linear SVM 2. Linear SVM: non-separable case 3. Non-linear SVM – Kernel trick3.1 SVM: IntroductionSVM, 즉 Support Vector M.. 2024. 4. 22. 이전 1 2 3 4 5 6 다음 반응형
