TEAM EDA

이번 글에서는 Overfitting과 Dropout에 대해서 배워보도록 하겠습니다. 이번 글은 EDWITH에서 진행하는 파이토치로 시작하는 딥러닝 기초를 토대로 하였고 같이 스터디하는 팀원분들의 자료를 바탕으로 작성하였습니다. 목차 Overfitting Regularization Dropout Code : mnist_nn_dropout 1. Overfitting 과도하게 현재 데이터에 대해 모델을 learning을 한 경우. 즉, Training data에 대해 acc는 높지만 Test data에 대해 acc는 낮은 현상 해결 training data를 늘린다. features의 수를 줄인다. (차원의 저주를 피하기 위함) Regularization Dropout 2. Regularization 데이터에..

*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..