300x250
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 |
Tags
- 백준
- 리눅스
- 순열
- CSS
- kick start
- 운영체제
- 구글 킥스타트
- DFS
- PYTHON
- 알고리즘
- 프로그래밍
- 브루트포스
- OS
- google coding competition
- dp
- 그래프
- 네트워크
- 딥러닝
- 동적 프로그래밍
- linux
- 코딩 테스트
- 파이썬
- nlp
- 프로그래머스
- 코딩테스트
- 코딩
- BFS
- 동적프로그래밍
- 킥스타트
- AI
Archives
- Today
- Total
목록이진분류 (1)
오뚝이개발자
ML Task별 output 양상과 activation function(활성화 함수)
ML로 해결하려는 task에서 기본적인 것은 분류, 회귀이다. 대부분의 task들은 사실 이 둘의 컴포넌트로 구분이 가능하다.(object detection과 같이 분류와 회귀가 섞인 task들도 있다.) 분류의 경우 이진분류(binary classification), 다중분류(multi-class classification)으로 나눌 수 있다. 그럼 각각에서 output layer의 양상은 어떠한지, 사용하는 activation function은 무엇인지 알아보자. 종류 output #(output layer의 unit 갯수) activation function 이진분류(binary classification) 1개 sigmoid 다중분류(multi-class classification) n개(clas..
AI/AI 개념
2021. 10. 7. 16:20