MACHINELEARNING
Posts
27 postscycleGAN
cycleGAN [unpaired image-to-image translation] How to Develop a CycleGAN for Image-to-Image Translation with Keras (machinelearningmastery.com)A Gentle Introduction to CycleGAN for Image Translation (machinelearningmastery.com)https://www.kaggle.com/upamanyumukherjee/cyclegan[Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks][1703.10593] Unpaired Image-to-Image Tran
vanishing gradient problem
vanishing gradient problemVisualizing the vanishing gradient problem (machinelearningmastery.com) 인공신경망의 성공, 즉, deep learning의 성공은 바로 vanishing gradient problem을 해결한 것에서 시작한다. 즉, 역전파 방법에서의 혁신이 이루어졌기 때문이다. 컴퓨터의 발전이 이것을 이루어 낸 것이 아니다. 매우 많은 수의 hidden layer들이 있을 때, 기울기가 감소하는 문제는 무엇인가? 이것은 학습을 진행하는데 어려움을 이야기 하는 것이다. 학습의 방향이 전달되지 않는 현상을 의미한다. 분명이 가중치를 변경시켜야하는 방향을 알고 있지만, 실제로 가중치를 바꾸지 못하는 현상을 말한다. 다시
가장 쉬운 superlearner [ML-Ensemble (mlens) library]
가장 쉬운 superlearner 기존에 알려진 9개 학습모델을 모두 활용한다. 사용하는 방법은 각각의 방법과 완전하게 동일하게 만들어 버릴 수 있다.결국, 하나의 학습모델을 활용하는 것과 완전히 동일해진다. ML-Ensemble (mlens) library provides a convenient implementation that allows the superlearner to be fit and used in just a few lines of code. It is specifically designed to work with scikit-learn models.ML-Ensemble combines a Scikit-learn high-level API with a low-level computatio
가장 쉬운 dynamic classifier selection algorithms
가장 쉬운 dynamic classifier selection algorithms 기존에 알려진 학습모델을 모두 활용한다. 사용하는 방법은 각각의 방법과 완전하게 동일하게 만들어 버릴 수 있다.결국, 하나의 학습모델을 활용하는 것과 완전히 동일해진다. 가장 쉬운 회귀:http://incredible.egloos.com/7481904가장 쉬운 LightGBM 회귀, 분류:http://incredible.egloos.com/7479081 Dynamic classifier selection algorithms choose one from among many models to make a prediction for each new example.How to develop and evaluate dynamic
