Epoch
- 전체 데이터를 모두 학습한 단위
- 예시로 60,000개의 데이터셑이 있다면
- 60,000개의 데이터 학습 ⇒ 1 Epoch
- 30 Epoch = 60,000 * 30 의 데이터 학습
Loss (Error)
- 정답과의 오차 수준
- 낮으면 좋음
Accuracy (acc)
- 정확도 (예측치와 결과치)
- 높으면 좋음
Supervised Learning
Inpurt/Output, Features/Labels
Stochastic Gradient Descent (SGD)
학습비율
Momentum
- Momentum=0.0
- 마찰력이 너무 높아서 로컬미니멈을 찾을 확률이 높음
- Momentum=0.9
- 마찰력이 너무 낮아서 진동이 발생하고 학습완료가 안되고 진동
Optimizer - 최적화 구성
- optimizer = tf.keras.optimizers.SGD(lr=0.00001 , momentum=0.9)
- model.compile(loss=loss, optimizer=optimizer , metrics=[“mae”]
Huber Loss
-
오차가 0에 가까울수록 MSE (제곱 평균 오차)
-
오차가 0에서 멀어질수록 MAE (절대값 평균 오차)
