패스트캠퍼스 챌린지 27일차

 

 

오늘은 fashion mnist 데이터 셋을 이용한 여러 의상 사진에서 옷 종류 구분하기 강의를 들었다. 또한 개인 공부를 할 게 많았기 때문에 가볍게 개요에 대해 들었다.

 

다중 클래스 분류는 두 개 이상의 클래스가 있는 분류 작업이다. 각 샘플에는 하나의 클래스로만 레이블이 지정될 수 있다. 예를 들어, 과일 이미지 세트에서 추출한 특징을 사용하여 분류한다. 여기서 각 이미지는 오렌지, 사과 또는 배일 수 있다. 각 이미지는 하나의 샘플이며 3가지 가능한 클래스 중 하나로 레이블이 지정된다. 다중 클래스 분류에서는 각 샘플이 하나의 레이블에만 할당된다고 가정한다.

 

다중 레이블 분류(다중 출력 분류와 밀접하게 관련됨)는 n_classes 가능한 클래스의 m 레이블로 각 샘플에 레이블을 지정하는 분류 작업이다. 여기서 m은 0에서 n_classes까지 포함될 수 있다. 이것은 상호 배타적이지 않은 샘플의 특성을 예측하는 것으로 생각할 수 있다.

공식적으로 모든 샘플에 대해 이진 출력이 각 클래스에 할당된다. 포지티브 클래스는 1로 표시되고 네거티브 클래스는 0 또는 -1로 표시된다. 따라서 예를 들어 MultiOutputClassifier를 사용하여 n_classes 이진 분류 작업을 실행하는 것과 비슷하다. 이 접근 방식은 각 레이블을 독립적으로 처리하는 반면 다중 레이블 분류기는 여러 클래스를 동시에 처리하여 이들 간의 상관된 동작을 설명할 수 있다.

 

 

 

 

#패스트캠퍼스 #패캠챌린지 #직장인인강 #직장인자기계발 #패스트캠퍼스후기 #퀴즈처럼풀면서배우는파이썬딥러닝300제+연습문제패키지Online

 

 

 

 

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.

 

패스트캠퍼스 링크 : https://bit.ly/3FVdhDa