본문 바로가기

DL 학습일지

Overfitting 학습일지
DL 학습일지 2023. 9. 11. Overfitting 학습일지 현재 ham 10000 데이터로 cnn 학습시켜둠이때 성능이 생각보다 떨어짐을 알 수 있음그 이유로 데이터 불균형이 있음 //위 confusion metrix를 보면 알수있다시피 label 4의 정확도만 큼그 이유는 label 4 데이터가 가장 많이 있기 때문 나머지 label은 학습하기에 데이터가 충분하지 않다. 그래서 overfitting으로 해결해보기로 함※oversampling 시 주의점-data augmentation과 동일하게 train 데이터에만 적용해야함-data split (train, test, valid) 후 train에만 적용하면 됨 1) 무식하게 말 그대로 데이터 개수가 가장 많은 label에 맞춰 다른 label들의 데이터 개수를 늘리는 것위에 oversampling 전후 데이터..
Imbalanced Problem
DL 학습일지 2023. 9. 6. Imbalanced Problem 분류에서의 데이터 불균형 문제는 흔하지만 도전적인 작업이다.각 클래스의 데이터 포인트 수가 중요하게 불균형을 보일 때, 분류기의 정확도는 저하된다. 이러한 imbalanced data 문제는 컴퓨터 비전, 의료 진단., 고장 탐지 및 기타 분야에서 쉽게 발견된다. 기계학습 알고리즘, ex 합성공 신경망의 성능은 불균형 데이터 조건에서 저하되고 분류 결과는 다수 데이터 클래스에 편향을 보인다. 이러한 imbalanced data는 주요 접근법 중 데이터 수준에서의 클래스 분포 재조정 즉 오버샘플링이나 언더 샘프링 및 앙상블 학습은 분류분류기의 의존하지 않는 일반적인 해결책이다. 이중에서도 소수 클래스에 대한 인공 데이터 생성을 결과로 하는 오버샘플링 기술은 이미지 분류에서 CNN 모델에 대한 클래스 불균형..
ham 10000 학습일지
DL 학습일지 2023. 8. 20. ham 10000 학습일지 일단 지금 vgg-16, alexnet 학습을 성능은 뒤로 하고 성공을 했고 cam도 chat GPT로 어찌저찌 했음 이제 지금 해야하는 것1) 정확한 학습 코드 이해2) 성능 향상 비교 일지 구체적으로 남기기 //성능 향상 시켜야함3) cam 코드 이해하기4) Confusion matrix 적용하기  -CNN 학습 과정 정확히 이해-2023.08.20 - [학부연구생/딥러닝 _CNN] - CNN 학습 과정 및 개념 총 정리 CNN 학습 과정 및 개념 총 정리개요 : 머신러닝 기존 컴퓨터 학습과 다르게 머신러닝은 input과 output으로 중간 과정의 함수를 찾아낸다 데이터 기반 통계적 신뢰도 강화, 예측 오류 최소화를 위한 다양한 수학적 기법을 적용하dayofday.tistory.com  -성능 비교..

티스토리툴바