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 | 29 | 30 | 31 |
Tags
- 머신러닝
- spring microservice
- 익명클래스
- kubernetes
- 마이크로서비스
- MySQL
- devops
- Semaphore
- MSA
- ansible
- Algorithm
- 클라우드 네이티브 자바
- java
- Stress test
- 헬름
- CRD
- cloud native java
- ingress
- Adapter 패턴
- 자바
- 코틀린
- 동기화
- 쿠버네티스
- nGrinder
- decorator 패턴
- Spring
- Microservice
- 클라우드 네이티브
- cloud native
- Kotlin
Archives
- Today
- Total
카샤의 만개시기
가중치를 0으로 초기화 하지 않는 이유 본문
가중치를 0으로 초기화하지 않는 이유는 가중치가 0이 아니어야 분류 결과에 영향을 주기 때문입니다.
가중치가 0으로 초기화 되어 있다면 학습률(learning rate: r)은 가중치 벡터의 방향이 아니라 크기에만 영향을 미칩니다.
가중치 w가 업데이트 되는 공식은 다음과 같이 정의할 수 있습니다.
$$ \Delta w_i = r(y - y')x $$
퍼셉트론 학습 규칙에서 초기 가중치를 0으로 놓으면
$$ w_1 = w_0 + \Delta w_1 $$
$$ = w_0 + r(y_1 - y_1')x_1 $$
$$ = w_0 + r(y_1 - \Phi(w_0x_1))x_1 $$
$$ = r(y_1 - \Phi(0))x_1 $$
$$ = r(y_1 - 1)x_1 $$
위와 같이 정리가 됩니다.
그러면 학습률 r은 가중치 벡터의 크기에만 영향을 미치게 됩니다.
w0 값이 0이 아니라면 학습률에 따라 w1 방향이 바뀝니다.
'Machine Learning' 카테고리의 다른 글
Preference learning with automated feedback for cache eviction (0) | 2023.07.08 |
---|---|
머신러닝 모델의 성능 평가 지표 (0) | 2020.01.20 |
그리드 서치를 이용한 하이퍼파라미터 튜닝 (0) | 2020.01.20 |
머신러닝 모델 성능 평가 (홀드아웃 및 k-겹 교차 검증) (2) | 2020.01.20 |
sklearn Pipeline 파이프라인 (0) | 2020.01.20 |
Comments