되돌아보는 챕터 3,4

<Chapter 3>

Classification ML에서 해당 모델이 얼마나 잘 작동하는지 통계적으로 확인해 보는 방법. 

이런 척도를 계산하는 공식, 분류 모델 성능 평가 지표

 

 

<분류모델 성능 평가 지표>

               1. 정확도 Accuracy

Accuracy = ( TP + TN ) / ( TP + FP + FN + TN)

 

              2. 정밀도 Presicion

Precision = TP / ( TP + FP )

 

              3. 재현율 Recall

Recall = TP / ( TP + FN )

 

              4. Fall-out

Fall out = 1 - Specificity = FP / ( TN + FP )

 

 

 

♠ Precision 이란?

 

- Precision : A를 A라고 잘 알아맞출 확률.

                   ' 실제 A / A라고 생각 '한 비율

 

 

♠Overfitting 이란?

일상생활 언어로 말하면, 너무 길들여져있다. train

 

 

♠Augmentation 기법 이란?

확장. 살짝씩 더 늘어남. 

원래것에서 커짐.

커졌다. 확장되다. 부풀린다.

swallown 해진

≠ virtual

 

- AR 은 현실(원래 것) 에서 뭔가 더 확장된, 커진 개념이고

- VR 은 현실 위에 덧붙이는 것이 아니라 현실과 다른 것 이다.

 

 

♠ Shear 단어 뜻?

밀기. 머리 깎이 에서 사용 된 표현 

 

왼쪽 노란색 네모에서, 힘을 주어서 -> 초록색의 모양과 같이 된 것을 shear라 한다.

 

 

♠Validation 사용하면 좋아질 수 있는 부분? Validation Set을 사용하는 이유?

-> Overfitting을 막을 수 있다. 

 

Hyper parameter 문제를 해결하기 위해서.

(weight 등과 같은) 하이퍼 파라미터를 위해선 train 외에 별도의 데이터가 필요하다.

 

data => train / validation / test

 

몇 번 돌리고 이런 활동을 검증할 수 있다.

이 모델이 실제로 좋아졌는가?

학습이 잘 되었는가?

 

 

<Chapter 4>

♠오픈 소스, 시스템 개발자 가 되고 싶다면, 리눅스 시스템 개발 환경을 사용하기. (MAC)

 

♠ Confusion Matrix

 

 

 

<숙제>

 

- 본인의 학습 내용을 스스로 기록하여 만들기. 문맥이 생각나는 효과를 준다 : 5장 노트 만들기

- 핸드폰 공기계에 앱 옮기기