"정칙화"의 두 판 사이의 차이

10번째 줄: 10번째 줄:


==예시==
==예시==
* [[L₁ 정칙화]] - 가중치 절대값 합(1승)에 따라 페널티를 적용한다.
* [[L1 정칙화]] - 가중치 절대값 합(1승)에 따라 페널티를 적용한다.
* [[L₂ 정칙화]] - 가중치 제곱합(2승)에 따라 페널티를 적용한다.
* [[L2 정칙화]] - 가중치 제곱합(2승)에 따라 페널티를 적용한다.
* [[드롭아웃 정칙화]]
* [[드롭아웃 정칙화]]
* [[조기 중단]] - 정식으로 인정되는 정칙화 방식은 아니지만, 과적합을 효과적으로 제한할 수 있다.
* [[조기 중단]] - 정식으로 인정되는 정칙화 방식은 아니지만, 과적합을 효과적으로 제한할 수 있다.

2021년 9월 8일 (수) 19:22 판

1 개요

regularization
正則, 正規化
정칙화, 정규화
  • 모델의 복잡도에 페널티를 부여하는 일
  • 과적합 방지를 위해 어떤 기준에 따라 벌점 정보를 추가하는 일
  • 불량조건문제(ill-posed problem)를 풀거나 과적합을 방지하기 위해 정보를 추가하는 과정
  • 역문제를 풀 때나 머신러닝에서 활용한다.
  • 과적합을 방지하는 데 도움이 된다.

2 예시

  • L1 정칙화 - 가중치 절대값 합(1승)에 따라 페널티를 적용한다.
  • L2 정칙화 - 가중치 제곱합(2승)에 따라 페널티를 적용한다.
  • 드롭아웃 정칙화
  • 조기 중단 - 정식으로 인정되는 정칙화 방식은 아니지만, 과적합을 효과적으로 제한할 수 있다.

3 같이 보기

4 참고

문서 댓글 ({{ doc_comments.length }})
{{ comment.name }} {{ comment.created | snstime }}