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
- ethers type
- 러스트기초
- git rebase
- 컨트렉트 배포 자동화
- chainlink 설명
- Vue.js
- multicall
- nest.js설명
- 스마트컨트렉트 예약어 함수이름 중복
- 스마트컨트렉트테스트
- 스마트 컨트렉트 함수이름 중복
- ethers typescript
- Vue
- 컨트렉트 동일한 함수이름 호출
- vue기초
- 프록시배포구조
- 스마트컨트렉트 함수이름 중복 호출
- 스마트컨트렉트프록시
- ethers v6
- 러스트 기초 학습
- ethers websocket
- 체인의정석
- 머신러닝기초
- 티스토리챌린지
- rust 기초
- 오블완
- ambiguous function description
- 러스트 기초
- ethers
- SBT표준
Archives
- Today
- Total
목록머신러닝지도학습 (1)
체인의정석
머신러닝 스터디 02- 지도학습(분류 & 회귀)
분류와 회귀 지도학습 - 분류/회귀가 존재 분류 - 가능성 있는 여러 클래스 레이블 중 하나를 예측하는 것. 이진분류(딱 2개의 클래스로 나뉨), 다중 분류(셋 이상의 클래스로 나뉨)가 존재. 이진 분류 => 예/ 아니오 학습하고자 하는 것이 양성 클래스, 학습하려 하지 않는 것이 음성 클래스 회귀 => 연속적인 숫자/부동소수점수 연속성이 있는가? => 있다면 회귀, 없다면 이진 분류 일반화, 과대적합, 과소적합 일반화 -> 모델이 처음 보는 데이터에 대해 정확하게 예측할 수 있으면 일반화 되었다고 합니다. 훈련 세트와 테스트 세트가 매우 비슷하다면 그 모델이 테스트 세트에서도 정확히 예측하리라 기대가 가능합니다. 과대적합 -> 데이터가 복잡하고 샘플에 너무 가깝게 맞춰져서 일반화 되기 어려운 것. 과소..
빅데이터&인공지능/인공지능
2020. 7. 7. 22:35