패스트캠퍼스 챌린지 - 17일차

강의 내용 Review

---

📍배운내용📍

• 딥러닝학습?
• Odds
• Logit
• Sigmoid

👉강의내용👈

Ch.01 딥러닝 네트워크의 연산

Lecture 3. Sigmoid and softmax

딥러닝 학습?

•  Loss계산을 통해 학습을 시킴
• 실제 데이터 셋 , 우리가 수집한 데이터셋과 모델이 만든 결과가 서로 얼마나 다른지 측정하는 도구 
• Loss율이 점점 줄도록 학습함 

Odds

• 오디 : 확률의 한 표현 방법 
• 실패비율 대비 성공한 비율
• 확률이 1에 가까워질수록 발산함
• 내가 원하는 경우가 안 일어날 확률 대비 얼마큼 잘 일어날 수 있는지 의 수치화

Logit

• 로짓 : 오디의 다른 표현 
• 로짓 함수는 가로축에서 0에서 1까지의 확률 값과 세로축에서 -∞에서 ∞ 사이의 확률 값을 표현하는 함수 
• 로짓의 특징 : 0.5에서 위아래로 대칭, -무한대~ +무한대 까지의 범위를 가짐
• 오즈에 자연로그를 씌운 것
• l = log P - log( 1 - P)
• 로짓식에 자연로그를 씌우고 P에 대해 풀면 시그모이드 가 됨
• [0,1][0,1] 범위인 확률을 [−∞,∞][−∞,∞] 범위로 넓히는 로짓의 특성 있음
• 딥러닝에서는 확률화 되지 않은 날 예측 결과를 로짓이라 함 
• 멀티 클래스 분류 문제에서 보통 softmax 함수의 입력으로 사용됨

Sigmoid

• 시그모이드 : 로짓의 역함수 
• 시그모이드식에 입력값으로 로짓을 넣으면 확률이 나옴
• 마지막 레이어의 아티피셜 값이 로짓과 범위가  [−∞,∞]로 같음
• 따라서 마지막 레이어의 activation funciton의 값을 로짓으로 해석 
• 이후 시그모이드를 붙여주면 확률이 됨
• 이 확률이 실제 확률과 맞도록 학습시키도록 네트워크 설계함 

 

공부사진 

---

강의듣기

 

필기 내용

 

17일차 후기

---

로짓, 시그모이드 등등에 대해 배웠다. 
진도가 너무 늦다ㅠㅠ 다 알려고 하지 말고 모르는 건 일단 넘기자!
파이팅

 

https://bit.ly/37BpXiC

패스트캠퍼스 [직장인 실무교육]

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.