패스트캠퍼스 챌린지 - 20일차

강의 내용 Review

---

📍배운내용📍

• Binary Cross Entropy
• Categorical Cross Entropy

👉강의내용👈

Ch.01 딥러닝 네트워크의 연산

Lecture 4. Loss Funciton

Binary Cross Entropy 

• 이진분류를 할때 사용되는 Loss Funciton 
• 실수값이 예측되는 회귀와 다르게 이진분류값이 예측됨
• 이때 실제값과 예측의 차이는 어떻게 계산할수 있나? 
• 예측값이 실제값과 다르면 로스율은 높아짐
• 에측갓이 실제값과 비슷하면 로스율은 0에 가까워짐 
• 즉 -logx 의 모양을 하고 있음
• 이진분류는 마직막 레이어에 뉴런을 한개만 두고 Activation Function으로 시그모이드를 사용해 0-1 사이의 확률값으로 변경함 
• 이후 확률값을 Binary Cross Entropy에 넣어서 Loss를 구함 
• y 값이 0, 1일때 모두 사용할수 있는 식을 사용함

Categorical Cross Entropy

• 여러 가지 클래스를 분류하는 Classification 문제, 다중 클래스 분류를 할때 사용되는 Loss Funciton 
• 실제값과 예측값의 서로 다른점을 수치화하는것이 Loss Function
• 다중 클래스 분류는 마지막 레이어에 분류하고 싶은 분류 수만큼 뉴런을 깔음
• 이후 소프트맥스 함수에 z 값을 넣으면 각 클래스별 확률값이 나옴 
• 이후 확률값을 계산식에 넣어 손실율을 구함 

 

공부사진 

---

강의 듣기

강의 필기

 

20일차 후기

---

 

분류의 두가지 loss function인 Binary Cross Entropy, Categorical Cross Entropy 에 대해 배웠다. 
얼른 얼른 듣자!!

 

https://bit.ly/37BpXiC

패스트캠퍼스 [직장인 실무교육]

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.