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 |
- 깃허브
- 깃헙 블로그
- 구글애널리틱스
- 깃허브 토큰
- github
- GPU
- 깃허브 블로그
- python basic
- terminal 명령어
- 깃헙
- nightly
- pandas
- CUDA
- github token
- github.io
- git command
- github 블로그
- git 명령어
- github secret key
- hydejack
- github blog
- 모니터연결
- sudo pmset -c disablesleep
- jekyll
- github command
- 나만의블로그
- 잠자기해제
- terminal command
- jekyll theme
- 깃헙 토큰
- Today
- Total
목록
반응형
Model Theory
반응형
(4)
Tech-Logs of Data-Scientist
DNN에서 예측값과 실제값의 차이를 최소화로 하도록, 가중치를 업데이트 하는 과정이 필요함 wlij를 l번째 레이어의 i번째 노드에서 다음번째 레이어의 j번째 노드로 갈 때 연결되는 가중치(weight)라고 하면, wlij가 변동되면 다음 레이어(l+1번째)의 j번째 노드에서 연결되는 가중치에 영향을 끼침 즉, wlij의 편미분을 구하기 위해서는 다음번째 레이어의 가중치에 대한 편미분 값이 필요함 따라서, 역전파는 순전파(Foward Propagation)를 통해서 모든 가중치를 얻은 다음, 반대방향(Backword)으로 편미분값을 구한 다음에 이를 반영하여 가중치를 업데이트 해주는 과정 참조 : Youtube
모델 관련 이론들을 모아 놓은 공간입니다. ML : 머신러닝과 관련된 모델들의 이론들을 모아 놓은 공간입니다. DL : 딥러닝과 관련된 모델들의 이론들을 모아 놓은 공간입니다. NLP : 자연어처리와 관련된 모델들의 이론들을 모아 놓은 공간입니다.
설명참조 https://todayisbetterthanyesterday.tistory.com/m/56 [Data Analysis 개념] Ensemble(앙상블)-4 : Feature Importance & Shap Value 1. Feature importance 앙상블에서 변수 해석의 문제 앙상블 모형은 많은 모델들이 기본적으로 Tree 기반으로 이루어진다. 동시에, 이 Tree기반의 앙상블들은 전반적으로 우수한 성능을 내는 모델들이 todayisbetterthanyesterday.tistory.com 해석참조 https://datanetworkanalysis.github.io/2019/12/24/shap3