seperate function
-data를 training data와 test data로 분리해주는 함수
입력 : data
출력: training data(70%), test data ( 30%)
normalize function
사용 이유: 한 행의 데이터에서 값의 편차가 심하면 ( -100000, 2 , 3, 0 ) 평균된 결과가 치우치거나 상쇄될 수 있다. W1,W2,W3,W4 가 1 이면 Z 값이 -99995가 된다. 이는 2,3,0의 데이터가 없는것처럼 취급될 수 도 있다.
따라서 -100000을 -1~1 사이의 값으로 변환해주거나 해서 2,3,0의 데이터가 결과에 영향을 미치도록 하는 것이 좋을 것이다.
-data를 정규화 시켜주는 함수 (정답 데이터 제외)
입력 : data
출력: normalized data
'딥러닝(deep learning) > 인공신경망(Neural Network)' 카테고리의 다른 글
데이터 분포가 치우쳐 있다면 (0) | 2019.07.26 |
---|---|
머신러닝 이용 중 발생하는 빅데이터 처리 (0) | 2019.07.26 |
not batch를 쓸 경우, 마지막 행의 데이터의 loss의 감소추세가 가지는 의미( 중요) (0) | 2019.07.25 |
행렬의 계산 성능 개선 (0) | 2019.07.24 |
W2와 W3가 독립적인가? (0) | 2019.07.23 |