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
- 네트워크
- 파이썬
- 코딩
- 운영체제
- PYTHON
- dp
- 리눅스
- 순열
- nlp
- 그래프
- 알고리즘
- linux
- BFS
- OS
- 프로그래밍
- 프로그래머스
- CSS
- 코딩 테스트
- 브루트포스
- 킥스타트
- 동적 프로그래밍
- 코딩테스트
- 백준
- 동적프로그래밍
- 구글 킥스타트
- AI
- kick start
- google coding competition
- DFS
- 딥러닝
Archives
- Today
- Total
목록model (1)
오뚝이개발자
overfitting(과적합)은 항상 안좋은가?, overfitting의 이점
우리가 일반적으로 모델을 설계하고 평가할 때 overfitting이 발생하면 좋지 않은 것으로 인식하곤 한다. 하지만 이러한 overfitting이 마냥 나쁘기만 할까? overfitting이 가져다 줄 수 있는 이점은 없는걸까? 사실 답은 NO이다. 우리가 overfitting으로부터 얻을 수 있는 insight도 있다. 어떠한 이점들이 있을까? 우리가 어떠한 문제를 해결해보고자 모델을 설계했다고 가정해보자. 그런데 안타깝게도 학습 결과 해당 모델이 과적합을 일으킨다. 하지만 좌절할 필요는 없다. 일단 오버피팅이 일어났다는 것은 말그대로 '학습' 자체는 잘 이루어졌다는 점을 생각해볼 수 있다. 여기에 착안한다면 '처음으로' 설계해 '처음으로' 학습을 한 모델이 오버피팅을 발생시켰다면 우린 아래와 같은 ..
AI/AI 개념
2021. 10. 7. 16:11