IT215 랜덤 포레스트 Random Forests 가장 쉽게 이해하는 랜덤 포레스트 RF (random forests) 먼저 기본 개요는 여러개의 트리를 사용한다는 개념이다. 여러개의 트리가 하나의 숲(포레스트)을 이루는 형태이다. 데이터 부집합의 순차적 분할로 표현할 수 있는데 분류와 회귀예측에 사용할 수 있다. 위의 그림과 같이 의사결정트리를 만드는데 한개가 아니라 여러개를 만드는 것이다. (Bagging) 의사결정 나무는 기계학습에서 널리 사용되는 기법이다. 트리의 특성상 깊게 자랄 수 있어 높은 분별력을 가질 수 있는데 잘못하면 오버핏팅(overfit)이 발생하는 문제점을 가지고 있다. 랜덤 포레스는 여러개의 트리를 생성해서 이러한 오버피팅을 평균화 시켜 오류를 줄이고자 하는 모델이다. 여기서 중요한 것은 랜덤이라는 말이 포레스트가 랜덤하다는게 .. 2014. 12. 22. VLFeat SIFT MATLAB application 테크니컬 리포트 SIFT, k-means, SVM 에 대한 간단한 설명과 VLFeat SIFT Application 해석 2014. 12. 20. ROI 방법 실험 결과 2014. 12. 19. convolution 하는 이유 in template matching 아래 자료는 http://webtk.blogspot.kr/2012/08/convolution-cross-correlation-template.html 에서 내가 필요로 하는 자료만 링크해온 것이다. Neural Network로 image matching 소스를 보는 중인데 convolution을 하는 이유를 쉽게 생각해보려고 한다. 템플릿 매칭에서 왜 Convolution을 사용하는가? 몇가지 이유가 있지만 구현이 쉽고 빠른 속도에 있다고 생각한다. 그에 따른 단점도 있다. 단순히 매칭이 되는 곳의 픽셀을 곱한 값이기 때문에 Noise 에서도 높은 값을 가질 수 있다. 해결방법도 있지만 일단 쉽게 이해하기 위해 설명하지 않겠다. cross correlation은 template 영상(flip 되지 않는.. 2014. 12. 19. 이전 1 ··· 17 18 19 20 21 22 23 ··· 54 다음 반응형
