Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
Tags
- 딥러닝
- Brightics AI
- 브라이틱스 분석
- 분석 툴
- Brightics EDA
- Deep Learning for Computer Vision
- 파이썬 내장 그래프
- Random Forest
- 범주형 변수 처리
- pymysql
- 파이썬 SQL 연동
- Brightics studio
- paper review
- 서포터즈 촬영
- Brigthics Studio
- Activation Function
- 삼성 SDS
- 데이터 분석 플랫폼
- 머신러닝
- Python
- michigan university deep learning for computer vision
- 브라이틱스 프로젝트
- 브라이틱스 스태킹
- 브라이틱스 서포터즈
- 삼성 SDS 서포터즈
- Brightics 서포터즈
- 비전공자를 위한 데이터 분석
- 데이터 분석
- 브라이틱스 AI
- 검증 평가 지표
Archives
- Today
- Total
목록k-fold 교차검증 (1)
하마가 분석하마

머신러닝 모델을 만들기 전, 먼저 교차검증 (cross-validation)이 무엇인지, 그리고 각각의 데이터에 맞는 검증 방법이 무엇인지 알아야 한다. 교차검증의 의미와 중요성에 대해 알아보겠다. 교차검증의 정의 : 교차검증은 머신러닝 모델 개발 과정 중 모델이 오버핏 (과적합) 하지 않으면서 데이터를 정확히 학습하는지 확인하는 단계이다. 이 정의는 또 다른 용어인 오버피팅을 사용한다. 오버피팅을 데이터를 통해 살펴보겠다. 레드와인 데이터는 레드와인의 질(quality)을 결정하는 다음과 같은 11개의 속성으로 이루어져 있다. 고정산 (fixed acidity) 휘발성산 (volatile acidity) 구연산 (cirtic acid) 잔당 (residual sugar) 염화물 (chlorides) 자..
Machine learning class
2021. 2. 16. 20:17