코딩복습장

이번 포스팅은 Logistic Regression에 대해서 다루려고 한다.  우리는 이전 포스팅에서 Linear Regression을 다뤘다.  Linear Regression에서 우리는 data에 모양 맞도록 선형 방정식을 수정해나가는 법을 배웠다.  이번시간에는 Linear Regression을 활용하여 Classification(분류)문제에 접근하는 방식에 대해 배워볼 것이다. Regression model은 크게 다음과 같이 분류할 수 있다.   이전에 우리는 Linear Regression에서 Single Variable을 가진 선형방정식을 사용했다.  이번엔 Multiple Variable을 가진 Regression도 다뤄볼 것이다.  Multiple Linear Regression의 수식과 ..

딥러닝의 기초가 부족하여 처음부터  기초를 탄탄히 쌓으려고 한다.  고고~!   우선 Linear regression에 대해 배워보려고 한다.  Linear: 그래프상에 표현되는 직선을 의미한다.  Regression: variable들의 관계를 추정하기 위해 process를 분석하는 것을 의미한다.  우리는 주어진 데이터를 이용하여 다음에 올 데이터의 값을 유추해야 한다.  그랬을때 어떤 선형 방정식을 그려서 데이터의 값을 예측해야 할까?  아마도 다음과 같은 그래프를 생각해볼 것이다.  그렇다면 어떻게 이 그래프를 생각해낸 것일까?  이 세가지 선 중에서는 어떤 선이 데이터를 가장 잘 표현한 선일까? A라고 생각할 것이다.   그렇다면 A, B 중에서는 어떤 그래프가 더 데이터를 잘 표현한 선일까? ..

오늘은 PCA를 구현해보는 실습을 하려고 한다.  https://towardsdatascience.com/a-step-by-step-implementation-of-principal-component-analysis-5520cc6cd598/ A Step By Step Implementation of Principal Component Analysis | Towards Data ScienceA step-by-step tutorial to explain the working of PCA and implementing it from scratch in pythontowardsdatascience.com 실습에 사용한 코드는 위의 링크에서 확인할 수 있다.   시각화 코드는 따로 주어지지 않았기 때문에 직접 작..

오늘 포스팅할 내용은 독립사건과 확률이다.  예제들과 함께 살펴볼 것이다.  포스팅 시작~!  강의 링크: http://www.kocw.net/home/search/kemView.do?kemId=1056974 확률 및 통계확률변수는 예측할 수 없는 물리적 신호를 표현하는 수학적 모델로서, 함수의 변수가 확률적 분포에 의하여 임의로 발생하는 경우에 적용한다. 확률신호는 통신신호, 영상 및 음성신호, 등과 같www.kocw.net  강의 필기  교수님께서는 Total probability의 개념을 먼저 설명해주셨다.  이후 교수님께서는 independent의 조건에 대해 설명해주신다.  다음으로는 permutation을 설명해주시고 Group permutation예제에 대해 설명해주신다.  -> 같은 원소끼..