z 'Math' 카테고리의 글 목록
본문 바로가기

Math

(3)
확률 분포 (1) 시작하면서.. 여러 확률 분포를 공부하기 시작했는데 이번에는 베르누이 분포, 이항 분포 그리고 베타 분포에 대해서 알아보고자 합니다. 시작하기에 앞서 확률 분포가 목표로 하는 바를 설정해보겠습니다. 목표 밀도 추정 (Density Estimation) : 관찰 집합 x1, ... , xN이 주어졌을 때 확률 변수 x의 확률 분포 p(x)를 모델링 하는 것 이산 확률 변수의 이항분포와 다항분포, 연속확률 변수의 가우시안 분포 등은 매개변수적 분포 라고 불립니다. 이는 밀도 추정에 적용하기 위해서는 주어진 데이터 집합을 바탕으로 적절한 매개변수를 구해야하기 때문입니다. 베르누이 분포 둘 중 하나의 값을 갖는 확률 변수를 생각해 봅시다. \(x\in {0,1}\)일 때 \(p(x=1|\mu) = \mu\) 이..
가우시안 분포와 확률 시작하기에 앞서.. 몇일 전에 갑자기 학구열이 불타서 prml 책을 샀습니다.. 근데 이렇게 어려울 줄은 생각도 하지 못했네요 ㅜㅜ 이 책을 공부하는데 토대가 될 확률, 베이지안 관점에 대해 공부하려고 합니다. 포스팅 된 내용은 어느정도 prml 책에서 나옴을 알려드립니다. 가우시안 분포 $$ N(x|\mu, \sigma^{2}) = {1 \above 1pt (2\pi\sigma^{2})^{1 \above 1pt 2}}\exp{{-1 \above 1pt 2\sigma^{2}}(x-\mu)^{2}} $$ 가우시안에 대한 property \(\int^{\inf}_{-inf}N(x|\mu, \sigma^{2}) dx = 1\) \(N(x|\mu, \sigma^{2})>0\) \(E[x] = \int^{\inf..
머신 러닝에서 확률 Probability in ML 불확실성 혹시 머신러닝에서의 불확실성에 대해서 생각해보신 적 있으신가요? 머신러닝에 대해서 관심 있으신 분들은 아시겠지만, 머신러닝은 불확실성과 관련이 매우 깊습니다. 주로 불확실성에 대한 해결이 목적이고, 이 뿐만 아니라 불확실성을 도구로 이용할 수 도 있습니다. 목적으로서의 불확실성 : data, 도구로서의 불확실성 : Noise .. 확률 보통 확률을 보는 관점에는 두가지가 있습니다. 빈도주의 관점 베이지안 관점 빈도주의 관점 빈도주의 관점에서는 확률을 "상대적 빈도의 극한"으로 봅니다. 이는 관심있는 사건 발생 횟수/전체 시행 횟수에서 전체 시행 횟수를 극한으로 보냈을 때 비율을 확률로 본다는 뜻입니다. $${ \lim_{n->\infty} n(E)\above 1p..