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 | 31 |
- cocre
- Decision Boundary
- 프로그래머스
- airflow
- ssh
- Multi-Resolution Networks for Semantic Segmentation in Whole Slide Images
- WSSS
- HookNet
- 기초확률론
- IVI
- Jupyter notebook
- cs231n
- Pull Request
- CellPin
- docker
- 코크리
- GIT
- aiffel exploration
- 도커
- 히비스서커스
- 머신러닝
- docker exec
- 백신후원
- 사회조사분석사2급
- linear regression
- docker attach
- numpy
- AIFFEL
- logistic regression
- vscode
- Today
- Total
목록Theory/Machine Learning (18)
히비스서커스의 블로그
회귀를 위한 4가지 모델(GradientBoostingRegressor, XBGRegressor, LGBMRegressor, RandomForestRegressor)들이 사용하였는데 그 중 GradientBoostingRegressor와 RandomForestRegressor의 개념적인 내용과 API를 찾아보며 정리해보기로 하였다. Gradient Boosting Regressor 앙상블 이전까지의 오차를 보정하도록 예측기를 순차적으로 추가하지만 이전 예측기가 만든 잔여오차에 새로운 예측기를 학습시킨다. sklearn 라이브러리의 ensemble 클래스에 저장되어 있어 다음과 같이 불러와야 한다. from sklearn.ensemble import GradientBoostingRegressor 다양한 매..
우리가 쓰는 어플리케이션에 있어서 사진의 얼굴을 인식하는 방법은 16X16 크기의 정사각형의 그래디언트를 활용한다. 하나의 픽셀도 아니고, 하나의 픽셀의 그래디언트도 아닌 복잡한 방법을 쓰는 이유는 무엇일까? 먼저 사진마다 픽셀의 값이 다르므로 픽셀값을 고려하는 방법은 좋지 않다. 따라서, 얼굴의 특징에 따른 픽셀의 특징을 이용해야 한다. 가장 좋은 방법이 그래디언트를 이용하는 것이다. 그래디언트란? 이미지에서 모든 단일 픽셀에 대해서 다른 방향과 비교해서 어두워지는 방향으로 화살표를 그려나가는데 이 화살표가 그래디언트이다. 얼굴의 이미지가 가지는 픽셀값이 어두워지는 방향으로 화살표를 그려나가면 얼굴의 특징을 인식할 수 있는 것이다! 이 방법이 어느 얼굴이든 인식할 수 있는 보편성을 가진다. 하지만, 단..