• 검색

  • 글작성
  • 방명록
  • 환경설정
  • 메뉴 닫기
데이터 사이언스 사용 설명서
CATEGORY
  • 데이터 사이언스 사용 설명서 (341)
    • 데이터사이언스 정보 (4)
    • 소개 및 연구분야 (4)
      • 김민재 - NeuroScience (1)
      • 차준영 - 홀로그램 (0)
      • 최선안 - Domain Adaptation (0)
      • 한주혁 - NeuroScience (3)
    • 데이터 분석 & 시각화 (65)
      • Crawling (5)
      • Numpy (3)
      • SQL (3)
      • Tableau (2)
      • OpenCV (44)
      • Pandas (8)
    • 기계학습 (41)
      • Kaggle (4)
      • Machine Learning (37)
    • 딥러닝 (64)
      • Deep Learning (10)
      • 컴퓨터비전 (5)
      • 자연어처리 (16)
      • 추천시스템 (3)
      • 시계열 (27)
    • 컴퓨터 공학 (32)
      • 자료구조 (28)
      • 알고리즘 (0)
      • 컴퓨터 네트워크 (0)
      • 운영체제 (2)
      • 클라우드 컴퓨팅 (2)
    • 버전 관리 (11)
      • Django (1)
      • git & github (10)
    • 기타 정보 (10)
      • 기업 분석 (0)
      • Django (0)
      • 삼성 SDS Brightics (0)
      • 오류 코드 해결 모음 (10)
    • Algorithm 문제 풀이 (7)
      • 문제풀이 (7)
      • 알고리즘 (0)
    • Programming Language (12)
      • python (4)
      • R (7)
      • C, C++ (1)
    • 데이터 사이언스 메뉴얼 (49)
      • python (5)
      • numpy (4)
      • pandas (10)
      • data visualization (4)
      • Crawling (2)
      • National Language Processin.. (4)
      • Object classification (8)
      • Machine Learning (9)
      • Deep Learning (1)
      • 데이터사이언스 정보 (1)
    • 기타 (21)
      • ADsP (데이터분석준전문가) (8)
      • 기업분석 (3)
      • 컨퍼런스 후기 (1)
      • HTML (준영) (0)
      • Slack Trading Bot (준영) (5)
    • 삼성 SDS Brightics (20)
VISITOR 오늘 전체
  • 글쓰기
  • 환경설정
  • 로그인
  • 로그아웃
  • 취소

gradient 검색 결과

해당 글 1건
(JH) 선형회귀(Linear Regression) - Do it 딥러닝 입문 2

1번 글에서는 '오차 역전파'를 통해서 역방향 계산을 하는 과정을 포스팅 했었다. 실제로는 경사하강법은 '손실함수'라는 개념을 사용하여 나온 방법이다. 경사하강법의 정의 : '어떤 손실함수(loss function)가 정의되었을 때, 손실 함수의 값이 최소가 되는 지점을 찾아가는 방법' 앞에서 본 결과는 손실 오차 중 제곱오차(Squared Error)를 미분한 결과와 동일하다. ■ 손실함수란 무엇인가? 어떤 모델이 좋은 모델이고 어떤 모델이 안좋은 모델일까? 그것에 대한 기준은 무엇일까? 모델A가 모델 B보다 좋은 모델이다.' = '모델 A가 모델 B보다 나쁘지 않은 모델이다.' 라는 아이디어에서 착안하여 모델의 적합성을 판단하는 기준 : 오차의 정도 (이 글에서는 손실함수 중 제곱 오차(SE)를 사용..

기계학습/Machine Learning 2020. 3. 1. 21:41
  • 이전
  • 1
  • 다음

CATEGORY

  • 데이터 사이언스 사용 설명서 (341)
    • 데이터사이언스 정보 (4)
    • 소개 및 연구분야 (4)
      • 김민재 - NeuroScience (1)
      • 차준영 - 홀로그램 (0)
      • 최선안 - Domain Adaptation (0)
      • 한주혁 - NeuroScience (3)
    • 데이터 분석 & 시각화 (65)
      • Crawling (5)
      • Numpy (3)
      • SQL (3)
      • Tableau (2)
      • OpenCV (44)
      • Pandas (8)
    • 기계학습 (41)
      • Kaggle (4)
      • Machine Learning (37)
    • 딥러닝 (64)
      • Deep Learning (10)
      • 컴퓨터비전 (5)
      • 자연어처리 (16)
      • 추천시스템 (3)
      • 시계열 (27)
    • 컴퓨터 공학 (32)
      • 자료구조 (28)
      • 알고리즘 (0)
      • 컴퓨터 네트워크 (0)
      • 운영체제 (2)
      • 클라우드 컴퓨팅 (2)
    • 버전 관리 (11)
      • Django (1)
      • git & github (10)
    • 기타 정보 (10)
      • 기업 분석 (0)
      • Django (0)
      • 삼성 SDS Brightics (0)
      • 오류 코드 해결 모음 (10)
    • Algorithm 문제 풀이 (7)
      • 문제풀이 (7)
      • 알고리즘 (0)
    • Programming Language (12)
      • python (4)
      • R (7)
      • C, C++ (1)
    • 데이터 사이언스 메뉴얼 (49)
      • python (5)
      • numpy (4)
      • pandas (10)
      • data visualization (4)
      • Crawling (2)
      • National Language Processin.. (4)
      • Object classification (8)
      • Machine Learning (9)
      • Deep Learning (1)
      • 데이터사이언스 정보 (1)
    • 기타 (21)
      • ADsP (데이터분석준전문가) (8)
      • 기업분석 (3)
      • 컨퍼런스 후기 (1)
      • HTML (준영) (0)
      • Slack Trading Bot (준영) (5)
    • 삼성 SDS Brightics (20)

RECENTLY

  • 최근 글
  • 최근 댓글

최근 글

최근댓글

태그

  • 판다스
  • web programming
  • python library
  • DataFrame
  • 머신러닝
  • 삼성SDS
  • Computer Vision
  • pandas
  • 딥러닝
  • python
  • Machine Learning
  • 브라이틱스서포터즈
  • 시계열 분석
  • 파이썬
  • opencv
더보기+

VISITOR

오늘
어제
전체
Powered by Privatenote Copyright © 데이터 사이언스 사용 설명서 All rights reserved. TistoryWhaleSkin3.2

티스토리툴바