파라미터 (1) 썸네일형 리스트형 04. 딥러닝 프로젝트 시동 걸기와 하이퍼파라미터 튜닝 목차 4.1 성능 지표란 4.2 베이스라인 모델 설정하기 4.3 학습 데이터 준비하기 4.4 모델을 평가하고 성능 지표 해석하기 4.5 신경망을 개선하고 하이퍼파라미터 튜닝하기 4.6 학습 및 최적화 4.7 최적화 알고리즘 4.8 과적합을 방지하기 위한 규제화 기법 4.9 배치 정규화 4.10 프로젝트 : 이미지 분류 정확도 개선하기 4.1 성능 지표란 4.1.1 정확도가 가장 좋은 지표인가 : 예측하고자 하는 문제에 따라 성능지표가 다르다. 예를 들어, 1백만 명 중 1명꼴로 발병하는 희귀한 질환을 예측하는 경우 모두 질환이 없다고 예측을 해도 99.999%의 정확도가 나온다. 4.1.2 혼동 행렬(confusion matrix) : 모델의 분류 결과를 정리한 표로, 정확도 외에 다른 성능 지표를 보여.. 이전 1 다음