본문 바로가기

📖 Theory/AI & ML12

딥러닝에서의 확률 분포 | probability distribution 확률 분포는 어떤 사건이 일어날 가능성을 나타내는 수학적 모델로, 확률 변수라고 불리는 변수에 대한 가능한 값들과 그 값들이 나타날 확률을 정의한다. 이러한 분포는 이산적인 경우와 연속적인 경우로 나눌 수 있다. 예를 들어, 주사위를 던졌을 때 나오는 눈에 대한 확률변수가 있을 때, 그 변수의 확률분포는 이산균등분포가 된다. 이산 확률 분포(Discrete Probability Distribution) 확률 변수가 이산적인 값을 가질 때 사용 됨 확률 질량 함수(Probability Mass Function, PMF): 각 값에 대한 확률을 나타내는 함수 예시 이항 분포, 포아송 분포 등 주사위의 눈금, 동전을 던졌을 때의 앞면, 뒷면, 로또의 당첨 번호 등 연속 확률 분포(Continuous Proba.. 2023. 12. 9.

Precision이 중요한 경우와 Recall이 중요한 경우 2023.12.08 - [📖 Theory/AI & ML] - Precision, Recall, AP (Average Precision) 간단 설명 | 객체 검출 성능 지표 Precision, Recall, AP (Average Precision) 간단 설명 | 객체 검출 성능 지표 Object Detection(객체 검출) 모델의 성능을 측정하기 위해서는 Precision(정밀도), Recall(재현율), 그리고 Average Precision(AP)를 꼭 알아야 한다. ML를 공부하다 보면 한 번 이상은 공부하는 개념인데, 늘 헷 mvje.tistory.com 이전 포스팅에서 Precision, Recall, AP (Average Precision) 이라는 성능 지표들에 대해 살펴봤다. 객체 검출에서 .. 2023. 12. 8.

Precision, Recall, AP (Average Precision) 간단 설명 | 객체 검출 성능 지표 Object Detection(객체 검출) 모델의 성능을 측정하기 위해서는 Precision(정밀도), Recall(재현율), 그리고 Average Precision(AP)를 꼭 알아야 한다. ML를 공부하다 보면 한 번 이상은 공부하는 개념인데, 늘 헷갈리는 부분이 있기에 정리해 두려 한다. 객체 검출과 작업에서는 Precision, Recall 등의 개념이 중요한데, 그 이유는 객체 검출 성능이 좋지않을 때 오검출을 많이 했을 수도 있고, 검출 자체가 잘 안됐을 수도(미검출) 있기 때문이다. 이게 왜 중요할까? 객체 검출 작업에 따라 오검출이 치명적인 경우도 있고, 미검출이 치명적인 경우도 있기 때문이다. 다른 설명들을 보면 True positive, False positive,... 등의 복잡한 개.. 2023. 12. 8.

머신러닝, 딥러닝이란? | 머신러닝과 딥러닝의 차이 | ML & DL Machine Learning (머신러닝) 머신러닝(Machine Learning)은 컴퓨터가 데이터를 학습하여 패턴을 인식하고, 새로운 데이터를 예측하거나 분류하는 기술로, 크게 지도학습(Supervised Learning), 비지도학습(Unsupervised Learning), 강화학습(Reinforcement Learning)으로 구분된다. 1. 지도학습(Supervised Learning) 지도학습은 입력 데이터와 출력 데이터가 모두 주어지는 상황에서 입력과 출력 사이의 관계를 모델링하는 방법이다. 이러한 방법을 통해 새로운 입력 데이터가 주어졌을 때, 해당 데이터에 대한 출력 데이터를 예측할 수 있다. 예를 들어, 이메일이 스팸인지 아닌지 분류하는 문제에서는 이메일의 내용과 스팸 여부를 입력 데.. 2023. 4. 19.

[DL] CNN에서 Convolutional layer의 개념과 의미 | 컨볼루션 신경망 | 합성곱 신경망 딥러닝에서 CNN (Convolutional Neural Network) 은 주로 이미지를 분석하는 데 가장 일반적으로 사용하는 ANN (Artificial Neural Network) 이다. 물론 요즘은 트랜스포머 기반의 네트워크를 많이 사용하지만 CNN 또한 여전히 많이 사용되고 트랜스포머와 CNN의 조합의 네트워크 또한 심심치 않게 볼 수 있다. 이번 포스팅에서는 CNN의 핵심 layer인 convolutional layer의 개념과 의미에 대해 설명하고자 한다. * CNN (Convolutional Neural Network) CNN은 입력 데이터에 대해 계층적으로 학습하며 입력 데이터의 특징을 추출하기 위해 Convolution, Pooling, Non-linear activation funct.. 2023. 3. 23.

[DL] 딥러닝에서의 Regularization : Weight Decay, Batch Normalization, Early Stopping 딥러닝에서 Regularization은 모델의 overfitting을 방지하기 위해 특정한 것에 규제를 하는 방법들을 총칭하고, 대표적으로 아래와 같은 방법들이 있다. *Overfitting : 기계 학습 모델에서 자주 발생하는 문제 중 하나로, 모델이 학습 데이터셋에 과도하게 fit되어 일반화 성능이 떨어지는 현상. Weight Decay - L1, L2 Batch Normalization Early Stopping Weight Decay Neural network의 특정 weight가 너무 커지는 것은 모델의 일반화 성능을 떨어뜨려 overfitting 되게 하므로, weight에 규제를 걸어주는 것이 필요. L1 regularization, L2 regularization 모두 기존 Loss fun.. 2022. 3. 23.

이전 1 2 다음

티스토리툴바