딥러닝/Deep learning 용어 정리 (6) 썸네일형 리스트형 Inductive Bias Inductive Bias를 이해하기 위해서는 우선 Bias와 Variance 글을 읽어 보시길 추천 드립니다. Bias와 Variance Bias (편향)이란? 모델이 Predict가 Ground truth와 얼마나 떨어져 있는지에 대한 Error 입니다. Bias는 지나치게 단순한 모델로 인해서 Under fitting을 일으킵니다. 모델에서 Bias가 크다는 의미는 Data에서.. gentleman-blog.tistory.com Inductive Bias란? 학습시에는 만나보지 않았던 데이터에 대하여 정확한 예측을 하기 위해 사용하는 추가적인 가정(additional assumptions)을 의미합니다. Machine learning에서는 어떤 Target를 예측하기 위해 학습할 수 있는 알고리즘 .. Bias와 Variance Bias (편향)이란? 모델이 Predict가 Ground truth와 얼마나 떨어져 있는지에 대한 Error 입니다. Bias는 지나치게 단순한 모델로 인해서 Under fitting을 일으킵니다. 모델에서 Bias가 크다는 의미는 Data에서 중요한 특성을 제대로 학습을 하지 못하고 있다는 뜻입니다. Variance (분산)이란? 데이터에 비해서 지나치게 복잡한 모델로 인해서 발생하는 Error 입니다. Variance는 모델을 Training data에 지나치게 Overfitting 시켜서 모델이 일반화 특성을 가지기 어렵게 합니다. 왼쪽 그래프는 분산이 오른쪽에 비하여 작으며 일반화가 잘 되어 있기 때문에 예측 값이 일정한 패턴을 나타냅니다. 오른쪽 그래프는 Variance가 커서 Training.. Dice coefficient Dice coefficient란? Semantic segmentation 모델에서 사용하는 평가 지표 입니다. Ground truth와 모델의 Predict 값 사이의 차이를 평가하기 위해 사용합니다. Dice coefficient의 식은 다음과 같습니다. Dice의 유래는 사람 이름이며 Dice coefficient를 Binary segmentation map에 적용하면, F1 Score와 동일합니다. mAP (mean Average Precision) mAP를 이해하기 전에 Precision, Recall / IoU에 대해서 먼저 살펴봐야 합니다. 분류 모델 성능 평가 지표 (Precision, Recall, Accuracy, F1-Score) 모델을 평가하는 요소는 모델이 내놓은 예측(Predicted) 값과 실제 정답(Ground Truth)의 관계로 정의 내릴 수 있습니다. 정답은 True 또는 False로 구분 할 수 있고, 모델 또한 True 또는 False의 답을 출력합 gentleman-blog.tistory.com IoU (Intersection over Union) Intersection over Union(이하 IoU)은 Object detection 모델의 정확도를 측정하는 도구 중 하나 입니다. IoU는 두 영역의 교차 영역의 넓.. 분류 모델 성능 평가 지표 (Precision, Recall, Accuracy, F1-Score) 모델을 평가하는 요소는 모델이 내놓은 예측(Predicted) 값과 실제 정답(Ground Truth)의 관계로 정의 내릴 수 있습니다. 정답은 True 또는 False로 구분 할 수 있고, 모델 또한 True 또는 False의 답을 출력합니다. 위와 같은 관계를 2x2 matrix로 표현 가능합니다. True Positive(TP): 실제 True인 정답을 True 라고 예측 -> 정답 False Positive(FP): 실제 False인 정답을 True라고 예측 -> 오답 False Negative(FN): 실제 True인 정답을 False라고 예측 -> 오답 True Negative(TN): 실제 False인 정답을 False라고 예측 -> 정답 1. Precision and Recall 1) Pr.. IoU (Intersection over Union) Intersection over Union(이하 IoU)은 Object detection 모델의 정확도를 측정하는 도구 중 하나 입니다. IoU는 두 영역의 교차 영역의 넓이를 합영역의 값으로 나눈 값을 뜻합니다. Object detection에서 Predicted bounding box의 정확도를 측정하는 지표로 사용됩니다. Object detection 모델의 정확도는 Test dataset에서 실행시켜 Precision-recall curve와 Average precision를 구하게 되는데 이때 IoU 값을 사용합니다. Area of Overlap: Predicted bounding box와 Ground truth bounding box 교차 영역(두영역의 교집합) 입니다. Area of Unio.. 이전 1 다음
