전체 글 썸네일형 리스트형 디자인 패턴 10 : 재조정(rebalancing) 보호되어 있는 글입니다. 더보기 디자인 패턴 9 : 중립 클래스 보호되어 있는 글입니다. 더보기 디자인 패턴 8 : 캐스케이드 보호되어 있는 글입니다. 더보기 [MLDP] 디자인 패턴 7 : 앙상블 보호되어 있는 글입니다. 더보기 [MLDP]디자인 패턴: 5. 재구성, 6. 다중 레이블 보호되어 있는 글입니다. 더보기 [MLDP] Chapter 2. Data Representation Design Patterns 간단한 데이터 표현 수치 입력 스케일링이 바람직한 이유 선형 스케일링 Min-max scaling Clipping (in conjunction with min-max scaling) Z-score normalization Winsorizing "이상 값"을 버리지 마십시오. 비선형 변환 로그 취하기 숫자 배열 범주 입력 원-핫 인코딩 범주 형 변수의 배열 디자인 패턴1: 해시 기능 문제 불완전 카디널리티가 높음 콜드 스타트 해결책 디자인 패턴 2 : 임베딩 현대 기계 학습의 핵심 문제 원-핫 인코딩 높은 카디널리티 범주 => 너무 스파스 각 항목이 너무 독립적 이런 것들이 임베딩이 해결하는 문제 해결책 텍스트 임베딩 트레이드 오프 및 대안 데이터웨어 하우스에 임베딩 디자인 패펀26: 피쳐 저장소에서 자세.. 더보기 (번역) DEEP METRIC LEARNING USING TRIPLET NETWORK ICLR 2015 https://arxiv.org/pdf/1412.6622.pdf 코멘트: 보통 이미지 분야에서, 전송학습을 위한 이미지 임베딩을 학습하기 위해 쓰는 분류(softmax) 손실 대신, 3개의 이미지의 유사성으로 학습하는 triplet을 분류 데이터에 대해서 테스트한다. 이렇게 학습된 이미지 임베딩에 대해서 SVM 분류만 끼어도 상당히 좋은 성능이 나온다. 테스트한 평가 방식이 와닿지는 않아서, 유사 이미지 평가 데이터를 사용해서 평가해보면 좋을 듯하다.DEEP METRIC LEARNING USING TRIPLET NETWORKDeep learning has proven itself as a successful set of models for learning useful semantic r.. 더보기 콘볼루션 넷: 모듈 관점 (Conv Nets: A Modular Perspective) Edit 콘볼루션 넷: 모듈 관점 (Conv Nets: A Modular Perspective) 원문 Introduction 지난 몇년간, 딥 뉴럴넷은 컴퓨터 비전과 음성인식 같은 패턴 인식 문제에 대해서 breakthrough를 이루어왔다. 이러한 결과를 낸 가장 중요한 component 중 하나는 convolutional neural network라 불리는 뉴럴넷의 특별한 형태이다.가장 기본적으로 보았을 때, convolutional neural networks는 같은 뉴런의 동일한 복사본을 사용하는 뉴럴넷의 한 종류로 생각할 수 있다.이는 네트워크가 실제 파라메터 수는 유지하면서 많은수의 뉴런을 가질수 있게하고 계산적으로 큰 모델을 표현할 수 있게 한다. 같은 뉴런을 여러개 복사하는 trick은 수.. 더보기 이전 1 2 3 다음
