반응형
반응형
Error Uncaught TypeError: Cannot read properties of null 페이지가 로드되기 전에 해당 요소를 호출 할 때 발생하는 에러 Uncaught TypeError: Cannot set properties of null 페이지가 로드되기 전에 해당 요소의 값을 설정할 때 발생하는 에러 해결 방법 해결 방법은 크게 두가지로 나뉨 가장 맨 밑에 위치 시켜서 페이지의 요소가 로드 된 후 호출 window.onload 를 이용하여 웹 페이지가 로드가 끝나면 스크립트 실행 기존 코드 hello 해당 요소 밑에 자바스크립트 코드 위치 div가 온 코드 밑에 위치를 해도 되고 최하단으로 이동해도 됨 스크립트 관리의 가독성을 위해 최하단으로 위치하는 것이 보편적임 hello 자바스크립..
폰트 관련 속성 font : 속성 font-family : 폰트 종류 font-size : 폰트 크기 font-style : 폰트 형태 font-variant : 폰트 변형 font-weight : 폰트 두께 변환 관련 속성 transform : 변환 transform-origin : 변환 중심 transform-style : 변환 형태 perspective : 투시 수치 perspective-origin : 투시 중심 backface-visibility : 후면 가시성 변형 관련 속성 transition : 변형 transition-property : 변형 대상 transition-duration : 변형 진행 시간 transitiontiming-function : 변형 수치 변환 함수 transiti..
주석 태그 설명 : 부가 설명 HTML 구조 태그 표시 형태 : block 설명 : 문서 형태 표시 형태 : none 설명 : 문서 자체 표시 형태 : none 설명 : 문서 머리 표시 형태 : none 설명 : 문서 제목 표시 형태 : none 설명 : 문서 추가 정보 표시 형태 : block 설명 : 문서 본문 파일 태그 표시 형태 : none 설명 : 외부 파일 추가 표시 형태 : none 설명 : 스타일시트 표시 형태 : none 설명 : 스크립트 공간 태그 표시 형태 : block 설명 : block 형식의 공간 표시 형태 : inline 설명 : inline 형식의 공간 시멘틱 구조 태그 표시 형태 : block 설명 : 본문 표시 형태 : block 설명 : 수직 목록 표시 형태 : bloc..
과대적합 방지 * 과대적합 : 훈련 시에는 높은 성능을 보이지만 테스트 데이터에 대해서는 낮은 성능을 보이는 현상 모델의 낮은 복잡도 훈련데이터를 더 많이 획득할 수 없다면 정규화, 드롭아웃 등을 활용하여 적절한 복잡도를 가진 모델을 자동으로 탐색 하이퍼파라미터(Hyper Parameter) 과대적합의 위험을 줄이기 위해 제약을 가하는 규제의 양을 결정하는 인수 상수값인 하이퍼파라미터(학습률, 각층의 뉴런수 등)의 값이 클수록 복잡도 저하 드롭아웃(Dropout) 신경망 모델에서 은닉층의 뉴런을 임의로 삭제하면서 학습하는 방법 훈련 시 삭제할 뉴런을 선택 테스트 시 모든 뉴런에 신호 전달 각 뉴련의 출력에 훈련 때 삭제한 비율을 곱하여 전달 단점 적은 수의 뉴런들로 학습 시 시간 오래 소요 가중치 감소(..
적합도 검정 정의 데이터가 가정된 확률에 적합하게 따르는지, 즉 데이터 분포가 특정 분포함수와 얼마나 맞는지를 검정하는 방법 모집단의 분포를 정규분포로 가정하는 분석기법 적용될 시 데이터가 분포를 따르는가를 확인할 때 사용 정규분포로 가정하는 분석기법 : t-Test, ANOVA, 회귀분석 일반적인 적합도 검정 방법 정규성 검정 그 외 카이제곱 검정, 콜모고로프 스미르노프 검정 카이제곱 검정(Chi Squared Test) 기대값과 관측값을 이용한 검정 방법 k개의 범주별로 나뉘어진 관측치들과 동일한 범주의 가정된 분포 사이의 적합도를 검정 범주형 k가 나와야 할 횟수의 기댓값과 실제 나온 횟수의 차이를 이용하여 검정 통계량 산출 기댓값 : m 실제 나온 횟수 : x 콜모고로프 스미르노프 검정(K-S T..
k-폴드 교차 검증의 정의 테스트 데이터셋에 과적합 되어버리는 결과를 방지하고자 나온 교차검증 기법 고정된 훈련 데이터셋과 테스트 검증 데이터셋으로 반복적 평가를 진행하여 튜닝할 경우 과적합 가능성 존재 장점 모든 데이터 셋을 평가에 활용하여 과적합 방지 단점 반복횟수 증가에 따른 모델 훈련과 평가/검증 시간 오래 소요 k-폴드 교차 검증 절차 전체 데이터셋을 k개의 서브셋으로 분리 k-1개를 훈련 데이터로 사용, 1개의 서브셋은 테스트 데이터로 사용 테스트를 중복없이 병행 진행한 후 평균 확인 최종적 모델 성능 평가 홀드아웃 기법(Holdout Method) 훈련 데이터, 검증 데이터, 테스트 데이터를 일정 비율로 지정 훈련 데이터로 학습 훈련 데이터 내에 일정 부문 검증 데이터를 두어 학습과정에서 모..