반응형
Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 |
Tags
- 데이터전문기관
- tensorflow
- 웹 용어
- web 개발
- mglearn
- 재귀함수
- C언어
- classification
- broscoding
- web 사진
- CES 2O21 참여
- vscode
- 머신러닝
- inorder
- java역사
- KNeighborsClassifier
- discrete_scatter
- cudnn
- html
- web 용어
- 대이터
- Keras
- web
- paragraph
- 자료구조
- bccard
- pycharm
- postorder
- 결합전문기관
- CES 2O21 참가
Archives
- Today
- Total
bro's coding
활성함수를 사용하는 이유 본문
반응형
신경망을 통한 계산이 선형적인데, 활성함수를 사용하면 비선형적이게 바꿀 수 있기 때문에 활성함수를 사용한다.
반응형
'[AI] > python.sklearn' 카테고리의 다른 글
| sklearn.TfidfVectorizer(tokenizer=twitter_tag.morphs).LogisticRegression (0) | 2020.04.29 |
|---|---|
| sklearn.decomposition.LatentDirichletAllocation (0) | 2020.04.28 |
| sklearn.feature_extraction.text.CountVectorizer.ngram.LogisticRegression.2단어들만 출력 (0) | 2020.04.28 |
| sklearn.feature_extraction.text.CountVectorizer.ngram_range적용 (0) | 2020.04.28 |
| sklearn.feature_extraction.text.TfidfTransformer.LogisticRegression적용 (0) | 2020.04.28 |
| sklearn.feature_extraction.text.TfidfTransformer (0) | 2020.04.28 |
| sklearn.feature_extraction.text.CountVectorizer.stop_words적용 (0) | 2020.04.28 |
| sklearn.feature_extraction.text.CountVectorizer.max_df변화 관찰 (0) | 2020.04.28 |
'[AI]/python.sklearn' Related Articles
more
Comments