[2강 - 8:50]의 템퍼러쳐에 대해서 조금 더 부연하면...
499
投稿した質問数 2
머신러닝 중 Optimization의 한 기법중에서, Simulated annealing algorithm이 있는데 그걸 말하는 것 같습니다. 담금질을 모방해서 temperature가 높으면 파라미티를 좀 더 랜덤하게 변화시키는 방식인데요(랜덤하지 않은 경우에는, 제가 알기로는 경사하강법을 쓰는걸로 알아요). 이 때문에 Error가 감소 하지 않고 증가하는 경우가 더 많이 발생한다고 해요. Low temperature의 경우 랜덤확률이 낮아지니 좀 더 인접위치의 local minimumd으로 수렴하게 되구요.
여기서부턴 제 추론인데요. 파라미터가 손실함수에서 위치가 높은 곳에 있을 때보다 낮은 곳에 있을 때 같은 온도에서도 Error가 증가할 수밖에 없는데(올라갈 곳이 더 많으니까), 보통 최적화 과정에서 고도가 낮아지기 때문에 시간에 따라 온도도 낮춰서 Error가 증가하는 일을 방지하는 것 같아요.
回答 1
RandomForest vs lgb
0
6
1
전처리 관련질문
0
6
2
수강기간즘연장해주세요
0
6
1
작업형3 기출
0
6
1
유형2에서 데이터분할 생략 가능여부
0
9
1
9회 기출 유형3 질문
0
8
1
lgb 기초편
0
6
1
수업자료 문의
0
8
1
괄호 사용
0
11
1
작업형 2 데이터 전처리 질문
0
10
0
11회 기출 유형 작업형1 문제 3-1
0
9
0
7회 3유형 2번문제 질문
0
9
1
예시문제 작업형2 (ver2023) 질문입니다
0
12
1
Data type에 따른 처리
0
9
1
Cursor 실행 문의
1
11
2
퀴즈6번 문의
0
83
2
assistant에서 file 업로드 하고 쓰레드 사용시 token 사용 및 사용 방법 문의
0
215
2
assistants api 메이저 버전 업에 따른 컨텐츠 변경 요청
0
181
3
강의 자료 받을수 있을까요?
1
197
1
openai api key 환경변수
2
949
1
채팅 결과가 chatGPT 웹화면처럼 조금씩 생성되게 하는 방법이 있을까요?
1
548
1
api 불러오기에서 completion에서 에러가 뜹니다
1
835
1
chat gpt api 관련 질문 드립니다!
1
1881
1
fine tuning 실습관련 질문드립니다.
3
758
1