Gidhub BE Developer

training-test dataset, learning rate, normalization

2018-02-18
goodGid


training-test dataset, learning rate, normalization

이번 강의에서는

별도의 테스트 데이터 셋으로

모델을 평가하는 방법과

learning rate에 대해 이야기 해본다.


이제 Traing Test와 Test Datasets을 나눠 학습한다.

Traing Test : Model을 학습시키기 위한 Data

TestDatasets : 학습시킨 Model을 Test하기 위한 Data


Learning Rate

  • Learning Rate값을 적절치 못한 값을 주게되면 2가지 문제가 있다.

Non-Normalized inputs

  • 정규화되지 않은 inputs을 넣을 경우 원하지 않은 결과값이 나올 수 있다.

  • 해결법은 Non-Normalized inputs값을 Normalized inputs해주면 된다.


  • MinMaxScaler(x) 함수는 [ 0 ~ 1 ]사이에 값으로 기존 값들을 상대적으로 바꿔준다.

MinMaxScaler(x)

xy = np.array([[828.659973, 833.450012, 908100, 828.349976, 831.659973],
               [823.02002, 828.070007, 1828100, 821.655029, 828.070007],
               [819.929993, 824.400024, 1438100, 818.97998, 824.159973],
               [816, 820.958984, 1008100, 815.48999, 819.23999],
               [819.359985, 823, 1188100, 818.469971, 818.97998],
               [819, 823, 1198100, 816, 820.450012],
               [811.700012, 815.25, 1098100, 809.780029, 813.669983],
               [809.51001, 816.659973, 1398100, 804.539978, 809.559998]])

xy = MinMaxScaler(xy)
print(xy)

--- 

 [[ 1.63450289]
 [ 0.06628087]
 [ 0.35014752]
 [ 0.67070574]
 [ 0.61131608]
 [ 0.61466062]
 [ 0.23175186]
 [-0.13716528]]


Comments

Content