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 | 31 |
Tags
- 한빛미디어
- 파이썬
- eda
- Segmentation
- 알고리즘
- Python
- 3줄 논문
- MySQL
- 스택
- TEAM-EDA
- Object Detection
- 큐
- Semantic Segmentation
- 튜토리얼
- 추천시스템
- DFS
- 엘리스
- TEAM EDA
- Image Segmentation
- 프로그래머스
- Recsys-KR
- 코딩테스트
- 입문
- 나는리뷰어다
- DilatedNet
- Machine Learning Advanced
- hackerrank
- 협업필터링
- 나는 리뷰어다
- pytorch
Archives
- Today
- Total
목록Underfitting (1)
TEAM EDA
Day3 : Statistical Learning(2)
*강의* Assessing Model Accuracy and Bias-Variance Trade-off (10:04)Classification Problems and K-Nearest Neighbors (15:37)Lab: Introduction to R (14:12) - optional *추가자료*bias and variance 지난번에 이어서 선형회귀에 대해 계속 보도록 하겠습니다. 기본적으로 선형회귀 모델은 아래와 같습니다. p+1개의 파라미터를 가지고 있고, Training 데이터에 의해서 파라미터들이 결정됩니다. 선형회귀 모델은 기본적으로 정확하지는 않지만 알려지지 않은 f(x)를 대략적으로 해석해볼 수 있다는것에 의의가 있습니다. 위의 두 사진만 봐도 이해 되듯이 단순한 선형회귀 모델보다는 q..
EDA Study/수학
2018. 11. 16. 08:58