MACHINELEARNING
Posts
27 posts가장 쉬운 드랍아웃 [Keras]
가장 쉬운 드랍아웃 [Keras] 딥러닝에서 과적합(overfitting)을 피할 수 있는 방법으로서 드랍아웃 방법이 아주 유명하다. https://en.wikipedia.org/wiki/Dropout_(neural_networks)https://en.wikipedia.org/wiki/Regularization_(mathematics)https://machinelearningmastery.com/dropout-regularization-deep-learning-models-keras/https://machinelearningmastery.com/how-to-reduce-overfitting-with-dropout-regularization-in-keras/http://incredible.egloos.com
가장 쉬운 LightGBM 모델 [분류, 회귀]
가장 쉬운 LightGBM 모델 [분류, 회귀]https://lightgbm.readthedocs.io/en/latest/https://github.com/microsoft/LightGBMhttps://www.programcreek.com/python/example/88792/lightgbm.Dataset --------------------------------------------------------------------------------------------------------------------- import lightgbm as lgb from bayes_opt import BayesianOptimization from sklearn.model_selection import cr
가장 쉬운 베이지안 옵티마이제이션 [Python]
가장 쉬운 베이지안 옵티마이제이션http://incredible.egloos.com/7461939 매우 복잡한 문제에 적용할 수 있는 아주 일반적인 최적화 알고리듬은 아니지만, 적당한 크기의 문제에 대해서 좋은 최적화 방법이라고 볼 수 있다. 특히, 기계학습의 경우, hyperparameter 최적화에 활용되고 있다. 특히 이 문제의 크기와 베이지안 옵티마이제이션는 궁합이 잘 맞는 경우라고 볼 수 있다.목적함수 계산을 너무 많이 할 수 없을 경우에 적절한 방법으로 알려져 있다. --------------------------------------------------------------------------------------------------------------------- from baye
가장 쉬운 XGBoost 모델 [분류, 회귀]
가장 쉬운 XGBoost 모델 [분류, 회귀]Keras를 활용한 딥러닝 문제를 풀 경우: # First XGBoost model for Pima Indians dataset from numpy import loadtxt from xgboost import XGBClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_scorefrom matplotlib import pyplot # load data dataset = loadtxt('pima-indians-diabetes.csv', delimiter=",") # split data into X and y
