Artificial Intelligence24 Batch 크기의 결정 방법 GPU memory 사이즈에 맞춰서 조절 2018. 12. 23. 머신러닝(Machine Learning) 알고리즘 장단점 비교 장점 단점 k-NN 이해하기 매우 쉬운 모델이다. 그리고 많이 조정하지 않아도 자주 좋은 성능을 발휘한다. 훈련 세트가 매우 크면 (특성의 수나 샘플의 수가 클 경우) 예측이 느려진다. 이해하긴 쉽지만, 예측이 느리고 많은 특성을 처리하는 능력이 부족해 현업에서는 잘 쓰지 않는다. 따라서 주로 k-NN의 이러한 단점을 없앤 선형 모델을 사용하곤 한다. 선형 모델 학습 속도가 빠르고 예측도 빠르다. 매우 큰 데이터셋과 희소한 데이터셋에도 잘 작동한다. 또한 예측이 어떻게 만들어 지는지 수식 등을 통해 비교적 쉽게 이해할 수 있다. 하지만 계수의 값들이 왜 그런지 명확하지 않을 때가 종종 있다. 특히 데이터셋의 특성들이 서로 깊게 연관되어 있을 때 그러하다. 분류에도 널리 사용된다. 가장 널리 알려진 두 개.. 2018. 12. 20. [딥러닝 기초] 신경망(Neural Network)에 대하여 In [1]: import numpy as np import matplotlib.pylab as plt 퍼셉트론 복습¶ 퍼셉트론의 한계 사람이 직접 가중치를 찾아야 함 신경망 사람이 아닌 컴퓨터가 가중치를 찾아낼 수 있음 컴퓨터는 주어진 데이터로부터 학습하여 가중치 값을 찾아냄 활성화 함수¶activation function 뉴런의 전기신호의 임계값을 결정 활성화 함수 1: 계단 함수¶ In [2]: # 활성화 함수 1: 계단 함수 def step_function_3(x): return np.array(x>0, dtype=np.int) # x = np.arange(-5.0, 5.0, 0.1) y = step_function_3(x) print("y>", y) print() print("step funct.. 2018. 7. 11. coursera_week2_6_Derivatives with a Computation Graph here's a computation graph;. Let's say you want to compute the derivative of J with respect to V. If we were to take the value of V and change it a little bit, how would the value of J change?(만약 V값을 조금 바꾼다면, J값은 얼마나 바뀔까?) Well, J is defined as 3*V, and right now V is equal to 11. If we're to pump up V by a little bit to 11.001, then J, which is currently 33, would end up being pumped up to the .. 2017. 10. 4. 이전 1 2 3 4 5 6 다음