Bull

개요 ResNet(Residual Network)은 깊은 신경망의 학습을 용이하게 만들기 위해 개발된 아키텍처다. 이 모델은 2015년에 Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun에 의해 개발되었으며, "Deep Residual Learning for Image Recognition"이라는 논문을 통해 소개되었다. ResNet은 깊은 신경망이 가지는 주요 문제점 중 하나인 기울기 소실 문제를 해결하는 데 초점을 맞춘다. 핵심 개념 잔차 블록(Residual Blocks) ResNet의 핵심은 "잔차 블록"이라고 불리는 구조에 있다. 그림과 같이 잔차를 기준으로 다시 학습하고, 그것을 원본에 더한다고(스킵연결) 생각하면 된다. $H(x)=F(x)+x$를 만족하..

Confusion Matrix Model : Classification(분류) Confusion Matrix(혼동 행렬)은 분류 문제에서 모델의 성능을 평가하는 데 사용되는 테이블이다. 실제 값과 모델이 예측한 값을 기반으로 구성된다. 분류 모델이 각 클래스를 얼마나 잘 혹은 못 분류했는지를 보여준다. True Positive (TP) 모델이 긍정적인 클래스를 정확하게 긍정으로 예측한 경우의 수 True Negative (TN) 모델이 부정적인 클래스를 정확하게 부정으로 예측한 경우의 수 False Positive (FP) 모델이 부정적인 클래스를 잘못해서 긍정으로 예측한 경우의 수(Type I error라고도 불림) False Negative (FN) 모델이 긍정적인 클래스를 잘못해서 부정으로 예측한 ..