Parameter 매개변수 모델 내부에서 결정되는 변수, 데이터로부터 결정 사용자에 의해 조정되지 않음 ex) 정규분포의 평균, 표준편차, 가중치, 편향 Hyper Parameter 초매개변수 모델링할때 사용자가 직접 세팅해주는 값 ex ) learning rate나 SVM에서 C값 등 => 구분기준 : 사용자가 직접 설정하느냐 아니냐의 차이 하이퍼 파라미터 튜닝이 필요한 이유 모델의 성능을 향상시키기 위함 -> 예를 들어 모델의 학습 속도를 하이퍼파라미터로 사용한다 가정, 값이 너무 높으면 모델이 차선의 결과로 너무 빨리 수렴할 수 있다. 반면 너무 낮으면 훈련이 너무 오래 걸려 결과가 수렴되지 않을 수 있다. => 적절하고 균형있게 선택하면 정확한 모델과 우수한 성능을 얻을 수 있다. 하이퍼파라미터 ..

Hyper Parameter Tunning 만드는 모델의 최고 성능을 내기 위해 수행하는 것 RandomizedSearchCV 하이퍼 파라미터 튜닝방법 중 하나 GridSearchCV의 단점들을 조금 보완하고자 나온 방법 검증하려는 하이퍼 파라미터들의 값 범위를 지정해주면 무작위로 값을 지정해 그 조합을 모두 검증 파라미터의 범위를 선정하고 값을 랜덤으로 설정하여 파라미터를 조합하고 평가하는 방식 GridSearchCV와의 차이 GridSearchCV와 방식은 유사하나 근사 최적값을 빨리 찾을 수 있음 => 몇 번의 학습과 평가를 반복할 것인지 시도의 수를 직접 정하기 때문 격자 형식의 GridSearchCV와 다르게 그 사이값들도 랜덤으로 탐색할 수 있기 때문에 그 안에서 더 좋은 값을 찾을 수 있다는..

Hyper Parameter 사용자의 입력값 우리가 설정 가능한 입력값 사용할 데이터에 따라 가장 적합한 모델, 그 모델의 하이퍼 파라미터 값이 다름 -> 데이터마다 파라미터 입력값을 하나하나 찾아줘야함 => 하이퍼 파라미터 튜닝 # 직접 입력값을 하나하나 넣고 결과를 도출해보기 전까지 어떤 입력값이 좋을지 전혀 예측할 수 없음 GridSearchCV 교차검증 + 하이퍼 파리미터 튜닝 머신러닝에서 모델의 성능향상을 위해 쓰이는 기법 중 하나 사용자가 직접 모델의 하이퍼 파라미터의 값을 리스트로 입력하면 값에 대한 경우의 수마다 예측성능을 측정평가하여 비교하면서 최적의 하이퍼 파라미터 값을 찾는 과정을 진행 => 검증하고 싶은 하이퍼 파라미터들의 수치를 정해주고 그 조합을 모두 검증, 실험하려는 하이퍼파라..

목차 Optimization 어떤 objective function(대상이 되는 함수)의 함숫값을 최적화(최대/최소화)시키는 parameter조합을 찾는 문제 최대화 : 소요시간,비용인 경우 / 최소화 : 성능,이윤인 경우 Output이 목표로 하는 타겟값과 가까워지도록 loss function을 설정하고 error가 줄어드는 방향으로 학습시키기위해 1) 각 weight와 gradient값을 계산 2) 앞의 값들을 이용해 weight를 다시 설정 1),2)를 반복하며 최적의 weight값을 갖는 모델을 찾아내는 과정 Optimizer Loss의 최솟값을 찾아가는 알고리즘 - 학습속도를 빠르고 안정적이게 하는 것이 목표 Optimizer 종류 1. Gradient Descent (경사하강법) 가장 기본적이..

빅분기 떨어지고 공부한게 아까워서 ADsP시험 보고왔습니당. 저는 37회차 응시했습니다 신도림중학교에서 봤어요!! 고사장은 쾌적했습니당 공부는 민트책으로 유명한 데이터에듀 책 사서 했습니다 빅분기 떨어지고 분노에 차서 ADP까지 따버리겠다는 욕심에 그만.. 이 책사서 공부했어요 ㅋㅋㅋ 저처럼 이 책 구매하셔서 공부하실 분은 ADsP 시험 범위 잘 체크해서 공부하시며 됩니다!! 후 시험 한달 잡고 공부하려 했으나 중간 중간 하기 싫은 날 빼고, 약속있는 날 빼고 자소서 쓰는 날 등등 핑계를 대다보니 실 공부기간은 2주,,,?정도 였어요. ㅋㅋ그것도 하루에 3시간 안팍으로.. 저 책을 겨우 1회독하고 시험봤습니다... 제 인생에 3회독은 없나봐요 암턴!! 그래도 빅분기랑 내용이 많이 겹쳐서 이해는 어렵지 않..