Answer.
접근 할때 '딥러닝'과 '앙상블 모델'이라는 특징으로 접근을 해보았다.
Random Forest는 tree 기반의 앙상블 모델이다. 문제를 여러 개의 파트로 쪼갠후 각각에 대한 답을 구하고 그 결과를 합치는 방법이기 때문에 서버가 여러개인 경우 사용하기에 용이 하다.
반면 뉴럴네트워크는 end-to-end learning이다. 즉, 뉴럴네트워크는 한쪽 끝에서 입력을 받아들이고 다른 쪽 끝에서 출력을 생성하는데, 입력 및 출력을 직접 고려하여 네트워크 가중치를 최적화 한다.
* end-to-end leaning : 전체를 모델로 한번에 학습
[참고]
http://perso.univ-st-etienne.fr/fod07375/Workshop/assets/slides/Presentation_Wolf.pdf
딥러닝과 머신러닝의 차이 https://brunch.co.kr/@itschloe1/8
end-to-end learning http://eehoeskrap.tistory.com/183
반응형
'Study-넘버웍스 (2017)' 카테고리의 다른 글
| 4주차_#1. 머신러닝과 통계의 차이 (0) | 2017.10.16 |
|---|---|
| 3주차_#5. K-means의 대표적인 의미론적 단점은 무엇인가? (계산량이 많다는 것 말고) (0) | 2017.10.10 |
| 3주차_#3. 오래된 머신러닝 기법인 나이브베이즈(naïve bayes)의 장점 (0) | 2017.10.10 |
| 3주차_#2. 베이지안(Bayesian)과 프리퀀티스트(Frequentist) 간의 입장 차이 (4) | 2017.10.09 |
| 3주차_#1. 어떨 때 모수적 방법론을 쓸 수 있고, 어떨 때 비모수적 방법론을 쓸 수 있나요? (0) | 2017.10.09 |