PYTHON
Posts
134 posts가장 쉬운 denoising autoencoder
가장 쉬운 Denoising autoencoder 노이즈를 없애버리는 autoencoder, denoising autoencoder autoencoder의 변형으로 denosing autoencoder를 생각할 수 있다.아래의 왼쪽의 오염된 문서를 오른쪽의 문서로 변환하는 식으로 응용될 수 있다. denoising autoencoder 는 x-->x 가 아니라 x' --> x 가 되도록 훈련한 것. 여기서 x'은 노이즈를 가지고 있는 객체이다. 노이즈를 업애는 작업을 훈련시킬 수 있다.x'--> x가 되는 훈련을 시키면 된다. autoencoder: # get MNISTimport numpy as npfrom keras.datasets import mnist(x_t
가장 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
![[CV] [Comi] 'ダンダダン'(단다단) 24권. 레드 바론](https://img.zoomtrend.com/2026/06/11/1781228393-EB829CED8380.jpg)
