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 |
Tags
- SVM margin
- pytorch c++
- pytorch
- RCNN
- pytorch project
- 서포트벡터머신이란
- cnn 역사
- SVM hard margin
- fast r-cnn
- 논문분석
- TCP
- Object Detection
- 데이터 전처리
- yolo
- CNN
- support vector machine 리뷰
- self-supervision
- Deep Learning
- darknet
- DeepLearning
- EfficientNet
- svdd
- computervision
- SVM 이란
- Faster R-CNN
- Computer Vision
- yolov3
- libtorch
- CS231n
- cs231n lecture5
Archives
- Today
- Total
목록mle numpy 구현 (1)
아롱이 탐험대

Data load를 제외한 모든 Linear Regression의 과정들을 python과 numpy만을 사용하여 구현해보았습니다. 개념에 대한 전체적인 내용은 아래 포스트를 참고하시기 바랍니다. https://ys-cs17.tistory.com/73 Code implementation Normalization weight-height.csv 파일을 DataFrame으로 만든 후 해당 함수를 통해 normalization을 진행합니다. 1. Min max normalization def min_max_normalize(df): x = (df['Weight'] - min(df['Weight'])) / (max(df['Weight']) - min(df['Weight'])) y = (df['Height'] - ..
study/Machine Learning
2022. 5. 18. 11:48