AI
배치 정규화:Batch Nomalization 이론/특징/알고리즘/한계/장단점
Nomalization, 정규화란 IT분야에 정의된 의미로는 데이터를 일정한 규칙에 따라 변형하여 이용하기 쉽게 만드는 일입니다. 즉 기계에게 학습을 진행하기 전에 데이터 값의 범위(scale)를 0과 1 사이 값으로 간단하게 만들어주어 노이즈가 생기는 걸 막아 오버 피팅을 방지하고 학습 속도를 높이기 위해 그리고 Local optimum 문제에 빠질 확률을 줄이기 위해 진행합니다. 대표적으로 배치 정규화:Batch Nomalization에 대해 알아보겠습니다. StandardScaler 평균과 표준편차를 활용, 평균을 제거하고 데이터를 분산으로 조정 MinMaxScaler 최대/최솟값이 각각 1과 0이 되도록 함 이미지 데이터의 경우 0부터 255까지의 픽셀 값을 가지고 있는데 이것을 255로 나누어서..
