컴공돌이의 코딩 블로그

※ 이 글은 "UC Berkeley CS188 Intro to AI"의 "Project 1: Search"를 해결하는 과정을 정리한 글 입니다. ※ UC Berkeley CS188 Intro to AI 페이지 링크 : http://ai.berkeley.edu/search.html#Introduction Introduction 이번 프로젝트에서는, 팩맨이 미로로 이루어진 세계에서 특별한 장소에 도달함과 동시에 먹이를 효율적으로 모을 수 있는 길을 찾을 것입니다. 이것을 해결하기 위한 일반적인 탐색 알고리즘을 만들어야 하고 그것을 팩맨에 적용시켜야 합니다. "과제 0"에서 처럼, 이번 과제에서도 답을 채점하기 위한 autograder가 포함되어 있습니다. autograder는 아래와 같은 명령어를 통해 실행..

Mean Squared Error (MSE) 설명 Mean Square Error (MSE)는 회귀 모델 (Regression Model)이 잘 학습되었는지를 확인할 때 많이 사용되는 평가지표입니다. MSE는 실제 정답 값과 예측 값의 차이를 제곱한 후 평균을 구하여 도출할 수 있으며, 값이 작을수록 모델의 성능이 좋다는 것을 의미합니다. MSE의 수식은 아래와 같습니다. 수식에서 $Y_{i}$은 실제 정답 값을 의미하고, $\widehat{Y}_{i}$은 예측 값을 의미합니다. MSE의 장단점 - MSE의 장점 1. Mean Absolute Error(MAE)와 더불어 가장 직관적인 평가지표 중 하나 - MSE의 단점 1. 오차를 제곱하기 때문에 이상치에 민감하게 변화함 2. 오차를 제곱하기 때문에 회..

1. 빗썸 홈페이지 로그인 2. 로그인 후 우측 상단의 전체메뉴 아이콘 클릭 3. "계정관리" > "API 관리" 클릭 4. API 활성화 항목 접근 부분에서 활성화 항목 전체 선택 5. 보안 인증 부분에서 보안비밀번호를 입력 후 "ARS 인증요청" 버튼 클릭 6. ARS 인증을 완료한 후 "전화승인완료" 버튼 클릭 7. "API KEY 생성" 버튼 클릭 8. API KEY 생성안내문을 확인하고 주의사항 확인 체크 9. 주의사항 확인 체크 후 "확인" 버튼 클릭 10. 팝업창 내용을 확인 후 "확인" 버튼 클릭 11. 사용 중 API 리스트에서 생성된 API를 확인하고 "활성화" 버튼 클릭 ※ 생성된 API KEY는 Connect Key와 Secret Key로 구성되는데, Secret Key는 활성화 버..

Mean Absolute Percentage Error (MAPE) 설명 Mean Absolute Percentage Error (MAPE)는 회귀 모델 (Regression Model)이 잘 학습되었는지를 확인할 때 많이 사용되는 평가지표입니다. Mean Absolute Error (MAE)와 비슷하지만 실제 정답 값을 나누어 도출한 확률 값이라는 점이 가장 큰 차이점 이라고 할 수 있습니다. MAPE는 MAE와 동일하게 값이 작을수록 모델의 성능이 좋다는 것을 의미합니다. ※ MAE에 대한 설명은 아래 링크에서 확인할 수 있습니다. 2022.05.11 - [정리] - [평가 지표] Mean Absolute Error (MAE) MAPE의 수식은 아래와 같습니다. 수식에서 $Y_{i}$은 실제 정답 값..

Mean Absolute Error (MAE) 설명 Mean Absolute Error (MAE)는 회귀 모델 (Regression Model)이 잘 학습되었는지를 확인할 때 많이 사용되는 평가지표입니다. MAE는 실제 정답 값과 예측 값의 차이를 절댓값으로 변환한 뒤 평균을 구하여 도출할 수 있으며, 값이 작을수록 모델의 성능이 좋다는 것을 의미합니다. MAE의 수식은 아래와 같습니다. 수식에서 $Y_{i}$은 실제 정답 값을 의미하고, $\widehat{Y}_{i}$은 예측 값을 의미합니다. MAE의 장단점 - MAE의 장점 1. 실제 정답 값, 예측 값과 같은 단위를 가지는 평가지표이기 때문에 결과 해석이 용이함 2. 절대값을 취하기 때문에 직관적으로 결과를 해석할 수 있음 - MAE의 단점 1. ..