인공지능39 [인공지능] Chapter 3. Informed Search Heuristic 특정 state가 얼마나 goal state에 가까운지 평가하는 함수 특정 Search problem을 위해 고안됨 Greedy Search goal state에 가장 가까워 보이는 노드로 확장 Strategy expand a node that you think is closest to a goal state Heuristic 활용: 각각의 state에서 가장 가까운 goal까지의 거리 계산 A common case Best-first takes you straight to the goal Worst-case kike a badly-guided DFS A* Search UCS + Greedy Uniform-cost orders by path cost, or backward cost g(.. 2023. 10. 24. [인공지능] Chapter 2. Search Agent Reflex agents Current percept 기반 행동 행동의 결과를 고려하지 않음 Consider how the world IS Planning agents 행동의 결과를 고려 Consider how the world WOULD BE Search Problems Consist of A state space 모든 가능한 상태들의 집합 A successor function 현재 상태를 기반으로 다음 상태 및 비용을 연산하는 함수 A start state 초기상태 A goal test 주어진 상태가 목적 상태인지 확인하는 함수 Solution start state를 goal state로 바꾸는 sequence of actions State space Graphs A mathmatical .. 2023. 10. 24. [Machine Learning]교차검증 (Cross-validation), K-fold Cross-validation, LOOCV (Leave-one-out cross-validation) LOOCV (Leave-one-out cross-validation) 은 k-fold cross-validation의 한 경우로, 각 fold가 단 한 개의 샘플만을 포함한다. 한 표본에 대한 예측을 위해 나머지 표본으로 모델을 훈련하는 방식 주어진 표본의 수만큼의 모델 훈련 필요 전체 훈련데이터를 사용하는 것과 가장 유사한 결과를 도출 * 과정1. 데이터셋의 각 샘플이 한 번 씩 test set으로 사용됨.2. 나머지 샘플들로 모델을 훈련시키고, 선택된 하나의 샘플로 모델을 검증3. 데이터셋에 있는 모든 샘플에 대해 과정 반복4. 모든 샘플에 대한 테스트 결과의 평균을 통해 모델의 전반적 성능을 평가 [Reference]고려대학교 데이터학습과지능 2023. 9. 28. 이전 1 2 3 4 다음