목록분류 전체보기 (205)
주뇽's 저장소
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/ntq0x/btrkSNtbuTS/P38lfkkW027aoftAVUedIk/img.png)
목차 연속균일분포 정규분포 표준정규분포 이항분포의 정규근사 지수분포 6.1연속균일분포 정의 : 확룰변수 X가 일정한 유한한 구간 안에서 정의되며, 그 구간 내에서 확률밀도가 같은 확률분포 ex) 0~10 사이에서 임의의 한 점을 선택할 때, 0~10까지 구간에서 임의의 한 점이 선택될 가능성은 동일 연속균일분포의 확률밀도함수 연속균일분포의 평균과 분산은 다음의 식과 같이 유도할 수 있다 ###예시 6.2 정규분포 정의 : 통계분석에서 가장 많이 사용되는 분포, 가우스 분포 -자연에서 발생하는 수치의 평균의 분포는 중심극한정리에 의해 정규분포로 수렴 좌우 대칭인 종 모양의 곡선 2개의 모수인 평균 μ와 표준편차 σ에 의해 그 모양이 결정됨 N(μ,σ²)로 표기 평균(μ)은 분포의 중심위치를 결정 표준편차(..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/db3HCP/btrkim5BL5P/vUgApBXIKYqBo8QkKVshP0/img.png)
5.1 이산균일분포 Discrete Uniform distribution 정의 : n개의 결과값이 균일한 확률로 발생하는 확률분포 ex)주사위 던지기에서 1,2,3,4,5,6 각 눈이 나올 확률은 1/6로 동일하다 PDF = f(x) = 1/n, x= 1,2,3,....n ###이산균일분포의 평균, 분산### 5.2 이항분포 베르누이 분포 (Bernouli Distribution) 정의 : 성공 확률이 p인 1회의 시행에서 나오는 성공 횟수 X가 따르는 분포 확률질량함수 두 개의 식은 같은 식 1회의 시행에서 나올 수 있는 성공 횟수는 1 아니면 0인데, X=1일 확률은 성공 확률과 같으므로 p이고 , X=0일 확률은 실패 확률과 같으므로 1-p가 된다. ###베르누이 확률변수의 평균, 분산### 평균값..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bCU1Zy/btrkkaIOshf/TCb5IfaHvC3Chk1ObaBIQ1/img.png)
동적계획법 분할정복기법 (Divide - and - Conquer)과 유사하다. 문제를 여러 개의 subproblem으로 나누고, 각 subproblem을 해결한 후, 각 subproblem의 해답을 이용하여 원래 문제의 해답을 계산 각, subproblem이 독립적이지 않고, 서로 연관되어 있는 경우에는 매우 많은 반복연산이 이루어지고, 이로 하여금 많은 수행시간이 필요 ex) Fibonacci Numbers 피보나치 수열은 초반에 재귀함수로 구현해본적이 있다. 분명 재귀적으로도 피보나치를 구할 수 있지만. 왜 동적프로그래밍에서 피보나치를 예시로 가져왔을까 ? 그 이유는 피보나치 수열은 계산도중 죽복되는 계산이 많이 발생한다는 점이 있다.! 초반에 언급한 subproblem이 독립적이지 않고, 서로 연..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/rU1oJ/btrjl9lhu9d/RplmKUmdNqQCNBY62B3fx0/img.png)
4-1 심층학습의 등장 배경 1980년대에 이미 깊은 신경망 아이디어 등장(다층 퍼셉트론) 하지만 당시 기술로는 실현 불가능 경사 소멸 (gradient vanishing)문제 작은 훈련집합 과다한 연산과 시간 소요(낮은 연산의 범용 컴퓨터, 값비싼 슈퍼컴퓨터) 일부 연구자(캐나다)들은 실망스러운 상황에서도 지속적인 연구 학습률에 따른 성능 변화 양상 모멘텀과 같은 최적 탐색 방법 모색 은닉 노드 수에 따른 성능 변화 데이터 전처리의 영향 활성함수의 영향 규제 기법의 영향 등 # 보통 다층 퍼셉트론이 4개 이상일 때 심층학습이라 부른다. 경사 소멸 문제(gradient vanishing problem) # Back_prob 단계에서 경사 소멸 문제 발생 #위 그림 처럼 오류 역전파를 통해 계산하는 도중 ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/cUL7E8/btri7Q7AblR/YcKkAS30ZaOagjig4ElRo0/img.png)
기계학습 요소 카드 승인 예제 위 사진처럼 카드승인을 위한 여러개 (x1....xn) 까지의 특징들을 보고 카드를 발급하는 것에대한 예제 input / output (data) target distribution : 규칙 P(y|x) x가 주어졌을 때 y값이 나오는 분포 hypothesis : 가설(모델) X → Y 로 발현되는 가설 카드 승인 교사학습 예제 #교사학습 교사학습이란 교사가 옆에서 문제를 제시한 다음 답을 알려주는 방식의 학습 방법입니다. 어떠한 데이터(문제 또는 참고자료)를 입력할 때 답을 함께 입력하여, 기계로 하여금 '이러이러한 데이터에 대한 답은 이러이러한 답이다'라는 것을 학습하도록 하는 것이 교사학습의 기본적인 원리입니다. 학습량이 많아지면 많아질수록 특정 유형의 문제에 대한 답..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bq4i4P/btri6EScTzb/wSxClLE5j3wQCZuXOtcFoK/img.png)
데이터에 대한 이해 과학 기술의 정립 과정 데이터 수집 → 모델 정립 → 예측 자연에서 발생한 데이터들을 통해 가설(모델)을 세우고 예측을 하는 것 기계학습 기계학습은 복잡한 문제/과업을 다룬다 지능적 범주의 행위들은 규칙의 다양한 변화 양성을 가짐 단순한 수학 공식으로 표현 불가능함 데이터를 설명할 수 있는 학습 모델을 찾아내는 과정이다. # 알지 못하는 규칙을 데이터를 가지고 모델(가설)을 통해 찾는다. 데이터 생성 과정 데이터 생성 과정을 완전히 아는 인위적 상황의 예제(가상) ex) 두 개 주사위를 던져 나온 눈의 합을 x라 할 때 , y = (x-7)^2 +1 점을 받는 게임 해당 상황은 데이터 생성 과정을 완전히 알고 있다 x를 알면 정확히 y를 예측할 수 있다 위 예제는 기계학습에 범주에 들..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bqypUk/btri0cbeks6/Dk2RSwf71NN2x2AgswOxQk/img.png)
본격적인 인공지능을 공부하기 앞서 전체적으로 한 번 보는 느낌이다 이해가 가지않더라도 한 번 정리하자 기계도 학습이 가능한가 ? 경험을 통해 점진적으로 성능이 향상되는 기계를 만들 수 있을까?! #학습 : 경험의 결과로 나타나는 , 비교적 지속적인 행동의 변화나 그 잠재력의 변화 또는 지식을 습득하는 과정 #기계학습 초창기 정의 : 컴퓨터가 경험을 통해 학습할 수 있도록 프로그래밍할 수 있다면, 세세하게 프로그래밍해야 하는 번거로움에서 벗어날 수 있다. 현대적 정의 : 어떤 컴퓨터 프로그램이 T라는 작업을 수행한다. 이 프로그램의 성능을 P라는 척도로 평가했을 때 경험E를 통해 성능이 개선된다면 이 프로그램은 학습을 한다고 말할 수 있다. 최적의 프로그램(알고리즘)을 찾는 행위 - 경험 E 를 통해 - ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/CSHik/btriGVGR6p6/pX6Z61pZ5gKlgwYznzx901/img.png)
4.1 확률변수와 확률분포의 정의 확률변수 (random variable) : 표본공간의 각 원소에 대응되는 실수 값 동전을 두 번 던지는 실험에서 표본공간 S = {HH, HT, TH, TT} 뒷면이 몇 번 나오는가에 관심이 있는 경우 동전의 뒷면이 나올 수 있는 횟수 = 0번, 1번, 2번 뒷면이 나오는 횟수와 숫자가 대응되는데, 이러한 숫자를 확률변수라고 하고 X라고 표기 간단하게 정리하자면 확률변수는 = 관심이 있는 사건이 생길 횟수이고 이 횟수는 시도횟수를 넘어갈 수 없다 ex) 동전을 세 번 던지다고 가정한다면 앞면이 나올 확률변수 0번 , 1번, 2번, 3번 이산, 연속표본공간 이산표본공간 (discreate sample space) 표본공간 S가 셀 수 있는 원소로 구성되어 있을 때 동전을..