Notice
Recent Posts
Recent Comments
Link
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
- 결정계수
- 텐서플로2와 머신러닝으로 시작하는 자연어처리
- 모두의 딥러닝
- 밑바닥부터 시작하는 딥러닝2
- 감성분석
- 군집화
- F분포
- 차원축소
- 가설검정
- 회귀분석
- word2vec
- student t분포
- 구글 BERT의 정석
- 다층 퍼셉트론
- rnn
- 코사인 유사도
- 히스토그램
- 밑바닥부터 시작하는 딥러닝
- Django
- 자연어 처리
- 텍스트 분류
- 오래간만에 글쓰네
- numpy
- 기초통계
- 최소자승법
- Pandas
- 기술통계학
- 파이썬 pandas
- 은준아 화이팅
- 머신러닝
Archives
- Today
- Total
목록l1_ratio (1)
데이터 한 그릇
회귀)규제 선형 모델 -릿지, 라쏘, 엘라스틱넷
규제 선형 모델의 개요 릿지 회귀 라쏘 회귀 엘라스틱넷 회귀 선형 회귀 모델을 위한 데이터 변환 규제 선형 모델의 개요 앞서 종속 변수와 독립 변수의 관계가 곡선의 관계를 가지고 있을 때, 일차 방정식의 관계로 파악한다면 과소적합하게 모델을 만든 것이라고 할 수 있고, 더 큰 다항식의 관계로 파악하게 되면 모델이 복잡해지고 변동성이 커져서 오히려 예측력이 떨어진다는 것을 살펴봤다. 지금까지의 선형 회귀 모델 같은 경우에는 RSS, 비용 함수를 줄이는 것에 초점을 맞춰서 식을 만들었다. 하지만 RSS를 최소화 하는 것에만 초점을 두어 모델을 만드는 경우, 학습 데이터를 과적합하게 학습하여 모델이 필요 이상의 다항식으로 나아가게 되고 회귀 계수가 커지면서 과적합하게 되는 문제를 가진다. 따라서 새로운 기준이..
머신러닝/회귀
2021. 4. 30. 15:49