Notice
Recent Posts
Recent Comments
Link
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 | 31 |
Tags
- fastapi
- React
- mariadb
- linux
- 기초 수학
- laravel
- CentOS
- python
- php
- AWS
- nginx
- Machine Learning
- Babel
- 블레이드 템플릿
- For
- webpack
- Redux
- SQL
- rabbitmq
- Switch
- javascript
- Redis
- Node
- Backbone.js
- docker
- NCP
- phpredis
- nodejs
- deep learning
- Go
Archives
- Today
- Total
개발일기
딥러닝, 머신 러닝 - 손실 함수(Loss Function) 본문
728x90
반응형
손실 함수(Loss Function)
모델의 손실 함수는 출력 층에 따라 달라진다. 모델에 따라 올바른 손실 함수를 사용해야 정상적으로 훈련이 가능하다.
- Binary Classification(이진 분류): 두 가지를 분류하는 경우(이것이 망고인가 아닌가)
- Multi-Class Classification(다중 분류): 세 가지 이상을 분류하는 경우(이 과일이 무엇인가요? - 망고, 오렌지, 바나나, 사과, 멜론 등)
텐서 플로에서는 Binary Classification(이진 분류)를 위해 binary_crossentropy 손실 함수를 사용한다. Multi-Class Classification(다중 분류)의 경우는 categorical_crossentropy 또는 sparse_categorical_crossentropy를 사용한다.
출력층 | 손실 함수 |
출력 노드: 1개 / Activation: sigmoid | binary_crossentropy |
출력 노드: 2개 이상 / Activation: softmax / One hot Vector(O) | categorical_crossentropy |
출력 노드: 2개 이상 / Activation: softmax / One hot Vector(X) | sparse_categorical_crossentropy |
원 핫 벡터(One-hot vector / One-hot encoding)
데이터를 중복없이 표현하고자 할 때 사용하는 형식이다. 인덱스로 표현하는데 표현하고자 하는 단어의 인덱스에 1을 부여하고 나머지 인덱스는 0으로 통일한다.
망고: [0, 0, 0, 0, 1]
딸기: [0, 0, 0, 1, 0]
포도: [0, 1, 0, 0, 0]
원 핫 벡터가 아닌 경우는 [’망고’], [’딸기’], [’포도’]와 같이 표현한다.
이와 같이 각 단어에 고유 인덱스 하나만 부여함으로 원 핫 벡터로 데이터를 생성할 수 있다.
참고 사이트:
728x90
반응형
'Deep Learning, Machine Learning' 카테고리의 다른 글
딥러닝, 머신러닝 - 미분이란 무엇일까? (0) | 2024.01.06 |
---|---|
딥러닝/머신러닝 - 활성화(Activation) 함수 (0) | 2023.12.30 |
딥러닝/머신러닝 - 모델 평가지표 (0) | 2023.12.28 |
Comments