ComputerScience/ML (3) 썸네일형 리스트형 분류 성능평가지표 TP FP FN TN 지표의 분모에 오는 것에서는 칸을 칠하고 분자에 해당하는 부분은 글씨색을 빨간색으로 하였다. accuracy 정확도 전체 데이터중에 모델이 맞춘 True와 False값의 비율 $$ accuracy = \frac{TP+FN}{TP+FP+TN+FN} $$ precision 정밀도 모델이 True라고 예측한 거 중에 실제 True의 비율 $$ precision = \frac{TP}{TP+FP} $$ recall 재현율 실제 True 중에서 모델이 True라고 예측한 비율 $$ recall = \frac{TP}{TP+TN} $$ ROC AUC GAN 종류 GAN의 다양한 종류에 대해서 작성하려고 한다. 출처 - Alpha Tree STEP 01. GAN 1. DCGAN(Deep Convolutional GAN) 기존의 GAN 이론에서 CNN구조를 이용해서 생성자와 판별자를 구성하여 사용한다. 이미지에서 뛰어난 수행능력을 보여준다. 2. CGAN(Conditional GAN) 입력값으로 class에 해당하는 정보를 추가적으로 넣어주어서 원하는 결과값을 뽑도록 함 3. InfoGAN Latent variable c를 추가함으로써 기존의 representation을 재해석할 수 있도록 하는 제약을 추가한 GAN 4. ACGAN(Auxiliary Classifier GAN) CGAN의 경우 입력에 레이블을 추가하여 원하는 출력 결과를 얻는다면 ACGAN의 경우 .. GAN(Generative Adresial Network) 적대적 생성 신경망 GAN 위를 보시면 실제로 존재하지 않는 사람의 이미지를 생성하는 GAN의 출력 결과를 확인할 수 있습니다. 먼저 간단하게 기본적인 GAN의 작동원리에 대해서 파악해보겠습니다. 가장 먼저 가짜돈을 만드는 도둑이 있습니다 목표 - 가짜돈을 만들어서 경찰에게 안 들키는 것 그리고 그것을 진위여부를 판단하는 경찰이 있습니다 목표 - 돈이 진짜돈인지 도둑이 만든 가짜돈인지 구별하는 것 이렇게 서로 반대되는 방향의 목표를 가지고 신경망을 학습시켜서 실제 데이터와 비슷한 데이터를 생성하는 것이 GAN입니다 손실함수(목표함수) z : noise x : real data G(z) : fake data D(x) : real data를 입력 받았을 때 판별자가 내는 값 D(G(z)) : fake data를 입력 받았을 때.. 이전 1 다음
