개발 허브

[손으로 푸는 확률분포] 지수분포 (2) 유도

(2) 유도 오늘은 지수분포를 유도해봅시다. 먼저 길냥이 예제를 이용하여 유도 과정을 이해하고, 일반화시키도록 하겠습니다. 길냥이 예제를 가져오겠습니다. 하루동안 길냥이를 만날 평균 횟

hsm-edu.tistory.com

[손으로 푸는 확률분포] 푸아송분포 (2-1) 이항분포로 부터 유도

(2-1) 이항분포로 부터 유도 이항분포 함수는 아래와 같습니다. 푸아송분포는 n과 p를 각각 다루지 않고, 이항분포의 평균인 np를 다룹니다. 이 값을 λ(람다)라고 놓습니다. 아래와

hsm-edu.tistory.com

[손으로 푸는 확률분포] 푸아송분포 (6) 그래프

(6) 그래프 푸아송 분포의 그래프는 아래와 같습니다. 람다를 5부터 70까지 키워가며 그래프를 그렸습니다. 세로선은 평균입니다. 푸아송분포의 평균과 분산이 모두 λ입니다. λ가 

hsm-edu.tistory.com

[손으로 푸는 확률분포] 기하분포 (3~4) 유도, 평균

3) 일반화(유도) 어떤 사건이 발생할 확률이 p라고 합시다. 사건이 발생하지 않을 확률은 1-p 입니다. 성공과 실패로 봐도 됩니다. 이때 기하분포는 아래와 같습니다. 확률변수 x는 모든 자연수입

hsm-edu.tistory.com

[손으로 푸는 확률분포] 이항분포 (3~5) 유도, 통계량, 그래프

3) 일반화(유도) 어떤 독립시행에서 특정 사건이 발생할 확률은 p입니다. 이 시행을 n번 했을 때, 사건이 발생한 횟수를 x라고 합시다. 이때의 확률분포가 이항분포이고 아래와 같습니다. 시행횟

hsm-edu.tistory.com

머신러닝 회귀 모델의 성능 평가 지표 (MAE, MSE, RMSE, R-squred)

) 회귀모델을 평가하는 평가지표 회귀모델은 그 모델이 잘 학습되어졌는지 확인하기 위한 회귀모델의 평가지표들이 4가지 있다. 이를 하나씩 살펴보자. MAE(Mean Absolute Error) 모델의 예측값과 실제

velog.io

차원의 저주 개념, 발생 원인과 해결 방법

머신러닝에서 훈련 샘플이 수백, 수천만개 특성을 갖고 있으면 훈련이 느리고 좋은 결과값을 얻기도 다소 어렵다. 이를 차원의 저주라고 부른다. 오늘 포스팅에서는 차원의 저주에 대해 자세히

for-my-wealthy-life.tistory.com

[CV] CNN (Convolution Neural Networks) ; 합성곱 신경망

이 글은 CNN의 개념 및 구조에 관한 기록입니다.

cheris8.github.io