반응형
- [ 인공지능/확률과 통계 ]확률 분포의 추정, 최대 가능도, 편향, 추세선, 데이터 추출2024-02-04 22:55:13후우... 수식이 너무 많아서 어렵네요... 첨 듣는 단어도 너무 많이 나오고, 기호들은 또 왜이렇게 많은지! 하지만 처음 하는거니까 익숙하지 않은건 당연한거구 자주 보다보면 익숙해지겠죠?ㅎ 1. 확률 분포 추정 1-1. 확률 분포 추정이란 우리가 가지고 있는 데이터로부터 확률 분포를 추정하는 기술을 의미한다 기본적으로 우리가 데이터의 형태를 보고, 원하는 분포로 추정할 수 있다 베르누이 분포: 데이터가 0 혹은 1의 형태 정규 분포: 데이터가 크기 제한이 없는 실수 형태 카테고리 분포: 데이터가 카테고리 값 형태 주어진 데이터를 이용해 확률 분포를 계산하는 대표적인 두 가지 방법이 존재한다 모멘트 방법 최대 가능도 추정 1-2. 모멘트 방법 (Method of Moment) 확률분포에서 계산한 특징 값..
- [ 인공지능/확률과 통계 ]베이즈 정리, 평균과 기댓값, 분산과 표준편차, 공분산2024-02-03 16:45:04선수지식으로 확률과 통계를 공부하고 있는데 패스트캠퍼스 강의 특성상 엄청 딥하게 들어가지는 않기 때문에 추가적인 부분은 개인적으로 공부를 해야할 것 같다. 요즘 들어 느끼는 건데 직장을 다니면서 공부를 하려고 하다보니 평일은 3~4시간이 최선인 것 같고 주말을 정말 잘 활용해야 겠다는 생각이 든다. 아자 아자, 오늘도 화이팅~⭐ 1. 베이즈 정리 베이즈 정리란, 조건부확률을 구하는 공식이다. 베이즈 정리를 이용하면, 다양한 확률 문제를 해결할 수 있다. 베이즈 정리 공식: 𝑃(𝐴|𝐵) = 𝑃(𝐵|𝐴)𝑃(𝐴)/𝑃(𝐵) [베이즈 정리 유도] 조건부 확률 정의: 𝑃(𝐴|𝐵) = 𝑃(𝐴, 𝐵)/𝑃(𝐵) → 𝑃(𝐴,𝐵) = 𝑃(𝐴|𝐵)𝑃(𝐵) 마찬가지로, 𝑃(𝐵|𝐴) = 𝑃(𝐴,𝐵)/𝑃(𝐴) → 𝑃(𝐴,𝐵) = ..
반응형