Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |
Tags
- 정밀도(Precision)
- ROC curve
- PR curve
- mae
- 회귀 모델 성능 평가 방법
- 디지트
- GPT
- 어질리티 로보틱스
- 정확도(Accurcy)
- ROC/AUC
- Type 2 error
- 혼동행렬
- 보스톤 다이나믹스
- F1 score
- Type 1 error
- precision
- GPT-2.GPT-3
- GPT-1
- Confusion Matrix
- 혼동행렬(Confusion Matrix)
- 재현율(Recall)
- Gen2
- 모델평가
- 머신러닝 모델 평가
- 2종오류
- 레인보우 로보틱스
- Precision-recall
- 1종오류
- openAI
- MSE
Archives
- Today
- Total
목록회귀 모델 성능 평가 방법 (1)
Robotics & AI
머신러닝 회귀 모델 성능 평가 방법
회귀 모델(Regression Model)과 분류 모델(Classification Model)은 머신 러닝에서 널리 사용되는 두 가지 주요 유형의 모델입니다. 이들 모델의 차이는 주로 출력 값의 유형과 사용되는 알고리즘, 그리고 적용되는 문제 유형에 있습니다. 이번 글에서는 회귀 모델에 대한 성능 평가 방법에 대해 알아보겠습니다. 회귀 모델이란 회귀 모델은 연속적인 값을 예측하는 데 사용됩니다. 모델의 출력값으로는 실수 값(예: 가격, 온도, 점수 등)과 같은 연속적인 값을 출력합니다. 사용 사례로는 집 가격 예측, 기온 예측, 판매량 예측 등에 사용 됩니다. 알고리즘 예시: 선형 회귀(Linear Regression), 릿지(Ridge) 및 라쏘(Lasso) 회귀, 의사결정 나무(Decision Tre..
AI & MLOps
2024. 1. 20. 17:52