ML - Lecture 12: Ensemble learning
우리가 앞에서 구한 classifier들은 꽤나 좋은 성능을 보여줬다. Variance가 낮고 빠르게 learning을 하는 장점이 있었다. 하지만 bias가 높게나온다는 단점이 있다. 왜냐하면 우리가 true error를 줄이기 위해 weak(simple) classifier를 ...
Recent posts
Operating system - Segmentation
지금 우리가 배운건 베이스와 바운드 레지스터를 이용해 주소 공간 전체를 메모리에 탑재한다. 이 방식은 스택과 힙 사이의 공간이 사용되지 않더라도 물리 메모리를 차지하고 있다. 그렇기 때문에 메모리 낭비 (wasteful) 가 심하다. 그리고 주소 공간이 물리 메모리보다 클 때 ...
Moment 1
블로그 일상글 써야지 써야지 하다가 이제 쓰게되네요…. 사실 이 블로그를 만든건 합격하고 2월부터 만들기 시작하긴 했는데 깃헙블로그 사용법이 처음에 익히기도 어렵고 귀찮아서 안하다가 ㅎㅎ. 그래도 2학기 중간부터 공부용으로 쓰겠다고 뭔가 많이 꾸미고 공부한거 업로드 하고 이것저...
ML - Lecture 11: Decision tree
Decision tree도 classification에 속하는 supervised learning이다. 하지만 조금 다른 특성이 있다. 이걸 이해하기 위해서는 우선 parametric과 nonparametric model의 차이를 알아야 한다.
ML - Lecture 10: Linear classifier - scaling up learning via SGD
◼︎ Stochastic gradient descent: Learning, one data point at a time