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 |
Tags
- 사회조사분석사2급
- 티스토리챌린지
- cs231n
- docker exec
- 도커
- 백신후원
- HookNet
- numpy
- ssh
- GIT
- WSSS
- vscode
- logistic regression
- Jupyter notebook
- docker attach
- AIFFEL
- IVI
- aiffel exploration
- 기초확률론
- airflow
- 코크리
- 오블완
- Decision Boundary
- docker
- Pull Request
- cocre
- 프로그래머스
- CellPin
- Multi-Resolution Networks for Semantic Segmentation in Whole Slide Images
- 히비스서커스
Archives
- Today
- Total
목록Optimal Classification (1)
히비스서커스의 블로그

※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 X와 Y만으로 이루어진 결합분포를 생각해보자. X를 Feature로 Y를 label이라고 보면 우리는 X가 주어졌을 때 우리의 모델이 예측한 값f(X)=ˆy이 실제 값Y이 아닐 확률을 최소화 시켜주고 싶다. 이를 식으로 나타내보자면, $f^{*} = ..
Theory/Machine Learning
2021. 4. 6. 01:08