분석시각화 대회 코드 공유 게시물은
내용 확인 후
좋아요(투표) 가능합니다.
이미지 학습 과적합 문제 데이터 양 증가 & 드롭 아웃 (drop out)
과적합 문제가 발생하였을 때 다양한 해결하는 다양한 방법이 있는 것은 알고 있는데
그 중에서 데이터의 양을 늘리는 것과 드롭 아웃 기법을 사용하는 것의 차이점을 정확하게 구분하기 어렵습니다
이미지 학습 과정에서 데이터의 양을 늘리는 것은 이미지 데이터에서 특정 요소만을 가지고 판단하는 것을 예방하기 위한 것으로 알고 있고 드롭아웃 기법 또한 인공 신경망에서 무작위로 뉴런을 사용하지 않음으로서 특정한 요소만을 가지고 판단하는 것을 예방하는 것으로 알고 있는데
무슨 차이가 있는 것인가요??
데이콘(주) | 대표 김국진 | 699-81-01021
통신판매업 신고번호: 제 2021-서울영등포-1704호
서울특별시 영등포구 은행로 3 익스콘벤처타워 901호
이메일 dacon@dacon.io | 전화번호: 070-4102-0545
Copyright ⓒ DACON Inc. All rights reserved
작성자님 말대로입니다. 드롭아웃 같은경우 train 중에만 일부노드를 램덤하게 꺼줌으로써 과적합을 방지합니다 (test 할때는 노드를 끄지않습니다.)