[딥러닝 개념 13] 일반화(Generalization)가 잘 된 모델을 만들어보자(2)_데이터증강, Early Stop, 가중치제어, 앙상블, Dropout

여기서 다루는 내용의 키워드 - 딥러닝 모델의 일반화 - 데이터 증강(augmentation) - Early Stop - 가중치제어 - L1 규제, L2 규제 - 앙상블 - Dropout 모델 학습은 중요합니다 더 중요한 것은 우리의 모델이 새로운 데이터가 들어와도 결과가 잘 나오는 일반화가 잘된 모델이 되도록 만드는 것입니다 이번에는 모델의 일반화를 방해하는 문제들을 해결하고 일반화가 잘된 모델을 만드는 방법에 대해 다뤄보겠습니다 일반화가 잘 된 모델을 만드는 방법은 여러가지가 있습니다 그 중에서 대표적인 방법 몇개를 살펴보아요 더 많은 데이터 사용하기 가장 간단(?)한 방법입니다 좋은 양질이 데이터를 많이많이 사용하면 돼요 크고 아름답고 더 좋은 데이터셋은 일반화 향상에 가장 좋은 방법이지요 근데 좋은 데이터를 많이 수집하는 것은 쉽지 않은 일입니다...

보안 문제, 데이터를 가져올 출처 등등 고려해야 할 여러 문제가 있기 때문입니다 그래서 많은 데이터를 사용하기 위해 Data ...

요청 처리 중입니다...

[딥러닝 개념 13] 일반화(Generalization)가 잘 된 모델을 만들어보자(2)_데이터증강, Early Stop, 가중치제어, 앙상블, Dropout

등록된 다른 글