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 | 31 |
Tags
- TestDataSet
- 텐서플로우
- tensorflow
- suninatas
- Model Ensemble
- FC layer
- forensic
- blindsqlinjection
- 모두의 딥러닝
- ai
- digitalforensic
- relu
- Learning_Rate
- NeuralNet
- neuralnetwork
- HiddenLayer
- Neural Net
- LogisticRegression
- TrainingDataSet
- 모두의딥러닝
- Deep_Learning
- 머신러닝
- DataSet
- DeepLearning개념
- labelImg
- Softmax Classification
- sql_injection
- 인공지능
- Artificial Intelligence
- 딥러닝
Archives
- Today
- Total
목록TestDataSet (1)
InformationSecurity-Study
[모두의 딥러닝] Training Data Set & Test Data Set
머신러닝 모델이 얼마나 잘 동작하는 확인하는 방법에 대해서 알아보도록 하자. 머신러닝 모델을 데이터를 가지고 학습을 시키고 나서, 이 모델이 얼마나 정확한지 어떻게 평가할까? 트레이닝 데이터 셋과 테스트셋을 아래와 같이 나누는 것이 일반적이다. 트레이닝 셋을 두개로 나누어서 완벽한 트레이닝 셋(학습)과 Validation으로 Tuning(알파값 측정)을 하게 된다. 모의 시험을 해보는 것이다. 완벽하게 되면 테스트 데이터 셋을 가지고 시험해보는 것이다. Data set이 굉장히 많은 경우에 한번에 다 넣어서 학습시키기 어려울 경우가 있기 때문에 Online Learning이라는 형태의 학습 방법도 존재한다. 학습 데이터 셋이 100만개가 있다고 가정해보자. 100만개를 한번에 학습시키는 것이 아니라 10..
인공지능
2019. 4. 6. 22:01