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 |
Tags
- Jupyter notebook
- 기초확률론
- docker exec
- Decision Boundary
- airflow
- WSSS
- 백신후원
- 사회조사분석사2급
- 코크리
- 티스토리챌린지
- AIFFEL
- cocre
- logistic regression
- Multi-Resolution Networks for Semantic Segmentation in Whole Slide Images
- vscode
- aiffel exploration
- 도커
- ssh
- docker
- HookNet
- 오블완
- cs231n
- IVI
- GIT
- Pull Request
- 프로그래머스
- docker attach
- numpy
- CellPin
- 히비스서커스
Archives
- Today
- Total
목록Bayes risk (1)
히비스서커스의 블로그
[기계학습 3강] Optimal Classification
※이 내용들은 (KAIST Open Online Course)의 인공지능 및 기계학습 개론 1 Chap. 3강 내용을 기반으로 재구성하였음을 먼저 밝힙니다.※ Supervised learning은 실제 정답을 알고 있는 문제에 대해 모델이 정답을 잘 맞추도록 학습시키는 것이다. 이를 잘 평가하기 위해 Optimal Classification이라는 개념을 도입해보자. Optimal Classification 먼저 확률변수 $X$와 $Y$만으로 이루어진 결합분포를 생각해보자. $X$를 Feature로 $Y$를 label이라고 보면 우리는 $X$가 주어졌을 때 우리의 모델이 예측한 값$f(X) = \hat{y}$이 실제 값$Y$이 아닐 확률을 최소화 시켜주고 싶다. 이를 식으로 나타내보자면, $f^{*} = ..
Theory/Machine Learning
2021. 4. 6. 01:08