수업소개
지도학습을 이용하는 보다 현실적인 사례를 소개해드립니다.
강의1
강의2
강의3
댓글
-
23.07.26
orange3의 predictions - show perfomance scores에서 "RMSE"가 작을수록 정확
실전 테스트에선 학습할 때 사용한 데이터 사용 X
훈련 데이터, 테스트 데이터 구분이 중요 -
완료 -
완료
-
고맙습니다고맙습니다
-
회사에서 바로 써먹을 수 있을 꺼 같습니다. 파이썬은 코드를 일일히 작성해야 해서 하다가 포기했거든요.
-
완료!
-
완료!
-
완료
-
완료
-
ㅇㄹ -
완료
-
완료~ -
완료~ 감사합니다.
-
21-05-05
-
Predictions를 클릭했을 때 하단에 MSE와 RMSE가 뜨지 않는데 어떤 설정을 따로 해주어야 할까요?
-
봤어요 -
완료
-
완료
-
완료!
-
완료
-
완료
-
완료
-
완료
-
완료
-
완료 -
완료!
-
좋아요~ -
감사합니다!
-
좋아요 -
2021.01.04 수강완료. MSE랑 RMSE
-
소령님 정말 감사드립니다. 저랑 같은 의문이 있다고 하시니 더 마음에 와닿는 메세지였습니다.
감사합니다.. -
저도 처음에 Hevton 님과 같은 의문이 있었고 여러번 수행해 본 결론으로, 이 경우는 재생성이 맞습니다. 일단 Orange3의 학습 플로우가 오해를 가져올 수 있는 부분이라고 생각하구요, 애초에 첫 호출로 '파일'을 설정할 때 학습/테스트 데이터 비율을 나눈다거나 파일 노드에서 다른 파일 호출 옵션이 있었다면 이런 오해가 발생하진 않았겠지요.
초반에 테스트셋 지정 옵션이 없다보니 모델 노드를 붙이고 나서 굳이 테스트&스코어 노드를 둠으로써, 모델 재생성 및 재학습 효과가 발생하는 것입니다. -
Test and Score 의 기능 자체에 대해서는 이해가 가는 부분이나,
제가 말씀드리고 싶은 것은 저 흐름입니다. Test and Score 자체적으로 그럼 Linear Regression 모델을 재생성시키는것일까요?
기본적으로 Train Data에 Linear Regression을 연결시키는 것 자체만으로도 이미 전체 데이터를 기반으로 학습된 모델이 생성되어 있으니까요. -
오해가 있을 수 있는데, 먼저 강의에서 학습/평가는 분명 전체 데이터셋으로 진행된 것이고, 테스트/스코어가 처리된 것은 모델이 다시 생성되어 7(학습):3(테스트) 등 비율로 나뉜 데이터에 대해 평가가 이루어진 것으로 보시면 됩니다. 즉 새롭게 학습 및 테스트셋에 대한 평가가 이루어 진 것이죠.
-
많이 배우고 갑니다. 감사합니다.^^
-
Test and Score 내용이 다소 이해가 가지 않습니다.
Train Data와 Linear Regression을 연결시킨다는 것은
Linear Regression의 학습방식으로 모델을 생성시키게 된다는 것으로 이해했습니다.
근데 둘을 연결함으로써 이미 전체 데이터를 기반으로 생성되었을 모델을 Test and Score에 연결한다고 해서 Train Data / Test Data 를 구분지어 결과를 낼 수 있다는게 어떻게 가능한지 궁금합니다. -
핵심 꼭꼭 집어서 방법을 알려주니 너무 좋습니다.
감사합니다. -
완료하였어요.
-
와 인공지능 서적을 읽은게 도움이 되네요 이 수업 정말 유익한 것 같아요!
-
완료
-
완료
-
완료
-
완료
-
완료 개꿀잼!!
-
완료 -
코딩을 처음 배울 때 쓰는 Scratch처럼 Orange도 그런 역할이 되어주는 것 같아요!
-
머신러닝, 지도학습, 모델 사용, 평가의 방법을 오랜지3를 통해 어떻게 활용하는 지를 배웠습니다. 감사합니다. -
진심으로 감사드립니다.
-
URL 감사합니다 바로님. -
완료
버전 관리
| egoing |
| 현재 버전 | |
|---|---|
| 선택 버전 |
