🤖딥러닝 (17) 썸네일형 리스트형 CrossEntropyLoss Label Smoothing code 01. 클래스 별 weight 계산 # 클래스별 샘플 수 count_class_0 = 10000 #y_train에있는 0과1의 갯수 count_class_1 = 400 # 전체 샘플 수 total_count = count_class_0 + count_class_1 # 클래스별 가중치 계산 weight_class_0 = total_count / (2 * count_class_0) weight_class_1 = total_count / (2 * count_class_1) # 가중치 텐서 생성 weights = torch.tensor([weight_class_0, weight_class_1]) weights = weights.to(device) 02. Label Smoothing Loss function 정의.. CalibratedClassifierCV python code 01. Import library & make dataset import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt from sklearn.ensemble import RandomForestClassifier from sklearn.calibration import CalibratedClassifierCV, calibration_curve from sklearn.metrics import roc_auc_score from sklearn.model_selection import train_test_split from tqdm import tqdm_notebook as tqdm import os i.. [논문 리뷰] Prediction of white-coat hypertension and white-coat uncontrolled hypertension using machine learning algorithm 01. Introduction White-coat hypertension(WCH)은 의료진이 혈압을 측정하는 동안에만 과도하게 높은 혈압(Blood pressure)이 나타나는 현상을 의미하며 (즉, 일상적인 환경에서는 혈압이 정상범위에 있지만, 병원 등 낯설고 긴장되는 환경에서 혈압을 잴 때일시적으로 혈압이 과도하게 높게 나타나는 현상), 높은 Blood Pressure로 병원에 내원하는 환자들 중, 10~30%가 White-coat hypertension이 나타난다. 이러한 현상은 주로 의사나 간호사 등 의료진과의 상호작용, 긴장, 불안등으로 인해 혈압이 일시적으로 상승하는 것인데, 일반적으로는 White-coat hypertension이 나타나더라도 특별히 문제가 있는 것은 아니다. 하지만 일부 사.. [데이터사이언스 면접 질문 모음](1) 과적합(Overfitting) / 불균형 데이터(Imbalanced data)와 샘플링(Sampling) / 활성화 함수(Activation function) / 경사하강법(Gradient descent) / 기울기 소실 문제(Vanishing Gradient.. 01. 과적합(overfitting) 📍과적합(overfitting)이란 무엇이고, 과적합이 발생했을 때 어떠한 방식으로 해결할 수 있는가? '과적합(overfitting)'은 모델이 학습 데이터에만 지나치게 최적화되어, 학습에 사용되지 않은 새로운 데이터에 대해서는 성능이 떨어지는 현상을 의미한다. 예를들어 토익 시험을 보기 위해 한 권의 문제집으로 영어를 공부하는 학생이 있다고 가정한다. 문제집에 나와있는 모든 문제를 거의 외우다시피 공부한 학생은 다시 그 문제집에 있던 문제를 풀었을 때 100점이 나온다(즉, 학습성능이 높다). 하지만 문제집에 없던, 처음 보는 문제들이 가득한 실제 토익 시험에서는 성적이 떨어지게 되고 이를 일반화 성능이 낮다고 표현한다. 이처럼 모델이 주어진 학습데이터만을 너무 .. [딥러닝] 선형대수(1) 벡터와 벡터의 기하학적 의미 01. 선형대수 선형대수는 벡터(vector)와 행렬(matrix)로 숫자를 표현하고 연산하는 수학의 한 분야로, 공간을 설명하는데 편리한 용어나 개념을 제공한다. 특히 컴퓨터 그래픽, 머신러닝, 신호처리, 데이터 분석 등 다양한 분야에서 선형대수의 개념을 활용하기 때문에 선형대수를 제대로 이해하는 것이 중요하다. 1) 컴퓨터 그래픽에서의 선형대수 컴퓨터 그래픽에서는 선형 대수를 사용하여 3차원 공간상에서 객체의 위치, 회전, 크기 등을 표현한다. 예를들어 3차원 공간에 있는 하나의 삼각형의 각 꼭짓점을 3차원 좌표계로 표현했을 때, 이 좌표계는 다시 벡터로 표현할 수 있다. 따라서 벡터들 간의 연산을 통해 삼각형의 위치나 크기를 변경할 수 있게 된다. 2) 딥러닝에서의 선형대수 대용량의 데이터를 다루는.. 이전 1 2 3 4 다음
