- Why is a convolution neural network harder to train on color images compared to grayscale images? https://www.quora.com/Why-is-a-convolution-neural-network-harder-to-train-on-color-images-compared-to-grayscale-images# Signal to noise. For many applications of image processing, color information doesn't help us identify important edges or other features. **There are exceptions. If there is an e..

1. ML 에서 평가? : 머신러닝 프로세스는 데이터 가공/변환, 모델 학습/예측, 그리고 평가로 구성 됨 - 일반적으로 성능 평가 지표는 회귀의 경우 실제값과 예측값의 오차 평균값에 기반 (ex) MAE, MSE - 분류 평가 방법에는 이 데이터가 얼마나 정확하고 오류가 적게 발생하는 가에 기반하지만, 단순히 이러한 정확도(accuracy)만으로 판단했다가는 잘못된 평가 결과에 빠질 수 있음 - 정확도(accuracy)는 불균형(imbalanced)한 레이블 값 분포에서 모델의 성능을 판단할 때 적합하지 않음 - 따라서 여러가지 방법을 다양하게 활용해야함 정확도(accuracy) 오차행렬(Confusion Matrix) 정밀도(Precision) 재현율(Recall) F1스코어 2. ML 분류 모델 평..

1. Extra Trees 장점 : Random Forest 보다 연산이 더 빠르고 (약3배) bias 와 variance를 낮출 수 있다고 주장 2. 차이점 a. Bootstraping 부트스트랩핑의 유무 - Random Forest는 Bagging 기법 중 하나로, Bootstraping을 기반으로 Weak Tree를 생성( = 복원추출, 매번다른 결과) - 반면, Extra Trees는 Bootstraping을 하지 않고, Whole Origin Data를 그대로 가져다 씀(= 비복원추출)

1. 서포트 벡터 머신이란 - 서포트 벡터 머신(SVM: Support Vector Machine)은 분류 과제에 사용할 수 있는 강력한 머신러닝 지도학습 모델로써 - 결정 경계(Decision Boundary), 즉 분류를 위한 기준 선을 정의하는 모델임 - 분류되지 않는 새로운 점이 나타나면 경계의 어느쪽에 속하는지 확인해서 분류 과제를 수행할 수 있게 됨 - 즉 결정 경계라는 걸 어떻게 정의하고 계산하는지 이해하는게 중요하다는 뜻 - 만약 데이터에 2개의 속성(feature)만 있다면 결정 경계는 이렇게 간단한 선 형태가 됨 - 데이터가 3개일경우 경계선은 평면 2. 최적의 결정 경계(Decision Boundary) - 결정 경계는 데이터 군으로부터 최대한 멀리 떨어지는 게 좋다 - 실제로 서포트..

https://blog.naver.com/y4769/220505513170 [ICY] ICY 영상 분석툴을 이용한 SSIM, MSE, PSNR 평가방법 시간이 더디게 흐르는것 같다가도 어느 순간에 뒤를 돌아보면 아무것도 해놓은 것 없이 앞으로 얼마 남지 ... blog.naver.com