Coursera

신경망을 학습할 때 많은 선택을 해야한다.layershidden unitslearning ratesactivation functions첫 번째 시도에서 이 모든것을 한번에 정확하게 맞추기란 굉장히 어렵다.따라서 구체적인 아이디어(방법)을 제시하고 이를 학습에 적용하여

bias와 variance는 모델의 학습 상태를 나타낼 수 있는 좋은 척도이다.데이터의 분포에 비하여 모델이 너무 간단한 경우, underfit이 발생한 경우를 말한다.모델의 복잡도가 데이터 분포보다 커서 데이터를 overfitting 시키는 경우를 말한다.Bias

ML을 학습시킬 때 다음과 같은 순서로 진행할 수 있다.1\. 학습을 시킨다.2\. 편향이 높은지를 확인한다. 2-1. 편향이 높다면 더 높은 네트워크를 사용하거나 오래 학습시켜서 잘 학습시켜지거나 최소한 오버피팅이 되도록 위 과정을 반복한다.3\. 편향이 높지 않다면