์ˆ˜ํ•™

๋จธ์‹ ๋Ÿฌ๋‹์— ํ•„์š”ํ•œ ์ˆ˜ํ•™(์„ ํ˜•๋Œ€์ˆ˜, ํ™•๋ฅ , ์ตœ์ ํ™”) ์ •๋ฆฌ.

๋จธ์‹ ๋Ÿฌ๋‹์— ํ•„์š”ํ•œ ์ˆ˜ํ•™(์„ ํ˜•๋Œ€์ˆ˜, ํ™•๋ฅ , ์ตœ์ ํ™”) ์ •๋ฆฌ.

10 posts · ์•„์นด์ด๋ธŒ์—์„œ ํ•„ํ„ฐ๋กœ ๋ณด๊ธฐ

[๋จธ์‹ ๋Ÿฌ๋‹] ๋กœ์ง€์Šคํ‹ฑ ํšŒ๊ท€ ๋ชจ๋ธ (Logistic Regression)

1. ๊ฐœ์š” ์•ˆ๋…•ํ•˜์„ธ์š”! ์ด๋ฒˆ ๊ธ€์—์„œ๋Š” ๋จธ์‹ ๋Ÿฌ๋‹์˜ ์ฃผ์š” ๊ฐœ๋…์ธ ๋กœ์ง€์Šคํ‹ฑ ํšŒ๊ท€(Logistic Regression) ๋ชจ๋ธ๊ณผ ์˜ค์ฆˆ ๋น„(Odds Ratio)์— ๋Œ€ํ•ด์„œ ์‰ฝ๊ฒŒ ์ •๋ฆฌํ•ด๋ณด์•˜์Šต๋‹ˆ๋‹ค. ์นœ๊ตฌ์—๊ฒŒ ์ œ๋Œ€๋กœ ๋ฉ‹์ง€๊ฒŒ ์„ค๋ช…ํ•˜๊ณ  ์‹ถ์—ˆ๋Š”๋ฐ, ๋ญ”๊ฐ€ ๋‹ค์‹œ ํ•œ๋ฒˆ ์ •๋ฆฌ๊ฐ€ ํ•„์š”ํ•  ๊ฒƒ ๊ฐ™๋”๋ผ๊ณ ์š” ใ…Žใ…Ž ^^7 ๋กœ์ง€์Šคํ‹ฑ ํšŒ๊ท€ ๋ชจ๋ธ์€ ๋ฒ”์ฃผํ˜• ๋ฐ์ดํ„ฐ๋ฅผ ์˜ˆ์ธกํ•  ๋•Œ ์‚ฌ์šฉํ•˜๋Š” ํ†ต๊ณ„...

[๊ฐœ๋…] ์ธ๊ณต์ง€๋Šฅ์„ ์œ„ํ•œ ์„ ํ˜•๋Œ€์ˆ˜ : ํ–‰๋ ฌํŽธ

1. ํ–‰๋ ฌ(Matrix)์˜ ์ •์˜ ์ธ๊ณต์ง€๋Šฅ ๋ฐ ๊ธฐ๊ณ„ ํ•™์Šต์—์„œ ํ–‰๋ ฌ(matrix)์€ ๋ฐ์ดํ„ฐ๋ฅผ ์ฒ˜๋ฆฌํ•˜๊ณ  ํ‘œํ˜„ํ•˜๋Š” ์ค‘์š”ํ•œ ๋„๊ตฌ์ž…๋‹ˆ๋‹ค. ํ–‰๋ ฌ์€ ์ˆ˜๋ฅผ ์ง์‚ฌ๊ฐํ˜• ํ˜•ํƒœ๋กœ ๋ฐฐ์—ดํ•œ ๊ฒƒ์œผ๋กœ, ๋ฐ์ดํ„ฐ๋ฅผ ์ˆ˜ํ•™์ ์œผ๋กœ ๋‹ค๋ฃจ๊ธฐ ์œ„ํ•ด ํ•„์ˆ˜์ ์ž…๋‹ˆ๋‹ค. ํ–‰๋ ฌ์„ ์‚ฌ์šฉํ•˜๋ฉด ๋Œ€๊ทœ๋ชจ ๋ฐ์ดํ„ฐ๋ฅผ ํšจ์œจ์ ์œผ๋กœ ๊ด€๋ฆฌํ•˜๊ณ  ๊ณ„์‚ฐํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์˜ˆ์‹œ: ์šฐ๋ฆฌ๊ฐ€ ์ด๋ฏธ ์ต์ˆ™ํ•œ ๋ฐ์ดํ„ฐ ํ…Œ์ด๋ธ”์„ ์ƒ๊ฐํ•ด๋ด…์‹œ๋‹ค....

[๊ฐœ๋…] ์‹œ์Šคํ…œ, ๋ฏธ๋ถ„๋ฐฉ์ •์‹, ๊ทธ๋ฆฌ๊ณ  ์ƒํƒœ ๊ณต๊ฐ„ ๋ชจ๋ธ

์šฐ๋ฆฌ๋Š” ์ผ์ƒ์ƒํ™œ์—์„œ ๋‹ค์–‘ํ•œ ์‹œ์Šคํ…œ๊ณผ ์ƒํ˜ธ์ž‘์šฉํ•˜๊ณ  ์žˆ์Šต๋‹ˆ๋‹ค. ๋™์  ์‹œ์Šคํ…œ์€ ๊ทธ์ค‘ ํ•˜๋‚˜๋กœ, ์‹œ๊ฐ„์ด ์ง€๋‚จ์— ๋”ฐ๋ผ ์ƒํƒœ๊ฐ€ ๋ณ€ํ™”ํ•˜๋Š” ์‹œ์Šคํ…œ์„ ์˜๋ฏธํ•ฉ๋‹ˆ๋‹ค. ์ƒํƒœ ๊ณต๊ฐ„(State Space) ๋ชจ๋ธ์€ ๋ณต์žกํ•œ ๋™์  ์‹œ์Šคํ…œ์„ ์ดํ•ดํ•˜๊ณ  ๋ถ„์„ํ•˜๋Š”๋ฐ ์ค‘์š”ํ•œ ๋„๊ตฌ์ž…๋‹ˆ๋‹ค. ์ด ๋ชจ๋ธ์€ ์‹œ์Šคํ…œ์„ ์ƒํƒœ(state)๋ผ๋Š” ๊ฐœ๋…์œผ๋กœ ํ‘œํ˜„ํ•˜๋ฉฐ, ์ด๋ฅผ ํ†ตํ•ด ์‹œ๊ฐ„์— ๋”ฐ๋ฅธ ์‹œ์Šคํ…œ์˜ ๋ณ€ํ™”๋ฅผ ํ–‰๋ ฌ๋กœ...

[Graph] 1์žฅ. ๊ทธ๋ž˜ํ”„์™€ GNN

1. ๊ทธ๋ž˜ํ”„๋ž€? ๊ทธ๋ž˜ํ”„๋Š” ํ˜„์‹ค ์„ธ๊ณ„์˜ ๋ฐ์ดํ„ฐ๋ฅผ ํ‘œํ˜„ํ•˜๋Š” ์ค‘์š”ํ•œ ๋„๊ตฌ๋กœ ์‚ฌ์šฉ๋ฉ๋‹ˆ๋‹ค. ๋‹ค์–‘ํ•œ ๋ถ„์•ผ์—์„œ ๊ทธ๋ž˜ํ”„๋ฅผ ํ™œ์šฉํ•˜์—ฌ ๊ด€๊ณ„์™€ ๊ตฌ์กฐ๋ฅผ ๋ชจ๋ธ๋งํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์˜ˆ์‹œ: ์‚ฌํšŒ ๊ณผํ•™: ์†Œ์…œ ๋„คํŠธ์›Œํฌ์—์„œ ๊ฐœ์ธ ๊ฐ„์˜ ๊ด€๊ณ„๋ฅผ ๊ทธ๋ž˜ํ”„๋กœ ํ‘œํ˜„ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์˜ˆ๋ฅผ ๋“ค์–ด, ํŽ˜์ด์Šค๋ถ ์นœ๊ตฌ ๊ด€๊ณ„๋Š” ๋…ธ๋“œ(์‚ฌ์šฉ์ž)์™€ ์—์ง€(์นœ๊ตฌ ๊ด€๊ณ„)๋กœ ๋‚˜ํƒ€๋‚ผ ์ˆ˜...

[๊ฐœ๋…์ •๋ฆฌ] ์ƒ๊ด€๊ด€๊ณ„ vs ์ธ๊ณผ๊ด€๊ณ„

์•ˆ๋…•ํ•˜์„ธ์š”! ๐Ÿ’ก ์ €๋Š” ์š”์ฆ˜ ์ธ๊ณผ๊ด€๊ณ„ ๋ถ„์„, ์ธ๊ณผ์„ฑ ๋ถ„์„์— ๋Œ€ํ•ด ๊ณต๋ถ€ํ•˜๊ณ  ์žˆ์Šต๋‹ˆ๋‹ค. ๐Ÿ™Œ ๋ณธ๊ฒฉ์ ์œผ๋กœ ๊ณต๋ถ€๋ฅผ ์‹œ์ž‘ํ•˜๊ธฐ์— ์•ž์„œ ๊ฐ€์žฅ ๊ธฐ๋ณธ์ด ๋˜๋Š” ์ƒ๊ด€๊ด€๊ณ„์™€ ์ธ๊ณผ๊ด€๊ณ„์— ๋Œ€ํ•ด ๋‹ค์‹œ ํ•œ๋ฒˆ ์ •๋ฆฌํ•˜๊ณ  ๋„˜์–ด๊ฐ€๋ ค๊ณ  ํ•ฉ๋‹ˆ๋‹ค. ใ…Žใ…Ž ์ด ๋‘ ๊ฐœ๋…์€ ๋น„์Šทํ•ด ๋ณด์ด์ง€๋งŒ ๋งค์šฐ ๋‹ค๋ฅธ ์˜๋ฏธ๋ฅผ ๊ฐ€์ง€๊ณ  ์žˆ์œผ๋ฉฐ, ๋ฐ์ดํ„ฐ ํ•ด์„์— ์žˆ์–ด ์ค‘์š”ํ•œ ์—ญํ• ์„ ํ•ฉ๋‹ˆ๋‹ค. ๊ทธ์ „์—! ๋‹ต๋ณ€ ๊ถ๊ธˆํ•˜์‹œ์ฃ ? ...

[๊ฐœ๋…์ •๋ฆฌ] ๋นˆ๋„์ฃผ์˜(Frequentist) vs ๋ฒ ์ด์ง€์•ˆ(Bayesian)

Bayesian ํ™•๋ฅ ๊ณผ Frequentist ํ™•๋ฅ  ์•ˆ๋…•ํ•˜์„ธ์š”!๐Ÿ™Œ ์˜ค๋Š˜์€ ํ†ต๊ณ„ํ•™์˜ ๋‘ ๊ฐ€์ง€ ์ฃผ์š” ์ ‘๊ทผ๋ฒ•์ธ Bayesian ํ™•๋ฅ ๊ณผ Frequentist ํ™•๋ฅ ์— ๋Œ€ํ•ด ์ž์„ธํžˆ ์•Œ์•„๋ณด๊ฒ ์Šต๋‹ˆ๋‹ค. ์ด ๊ฐœ๋…๋“ค์€ ๋จธ์‹ ๋Ÿฌ๋‹๊ณผ ๋”ฅ๋Ÿฌ๋‹์—์„œ ์ค‘์š”ํ•œ ์—ญํ• ์„ ํ•˜๋ฏ€๋กœ, ๊นŠ์ด ์žˆ๋Š” ์ดํ•ด๊ฐ€ ํ•„์š”ํ•ฉ๋‹ˆ๋‹ค. 0. ํ™•๋ฅ  (Probability) ๊ฐœ๋… ํ™•๋ฅ ์€ ๋ถˆํ™•์‹คํ•œ ์‚ฌ๊ฑด์˜ ๋ฐœ์ƒ ๊ฐ€๋Šฅ์„ฑ...

[๊ฐœ๋…] ์‹ ํ˜ธ์ฒ˜๋ฆฌ ๋ฐ ํ‘ธ๋ฆฌ์— ๋ณ€ํ™˜

์‹ ํ˜ธ์ฒ˜๋ฆฌ๋ž€? ์‹ ํ˜ธ์ฒ˜๋ฆฌ(Signal Processing)๋Š” ์‹ ํ˜ธ๋ฅผ ๋ถ„์„ํ•˜๊ณ  ๋ณ€ํ™˜ํ•˜๋ฉฐ ํ•ด์„ํ•˜๋Š” ๊ธฐ์ˆ ๊ณผ ๋ฐฉ๋ฒ•์„ ์—ฐ๊ตฌํ•˜๋Š” ํ•™๋ฌธ์ž…๋‹ˆ๋‹ค. ์‹ ํ˜ธ๋Š” ์‹œ๊ฐ„์— ๋”ฐ๋ผ ๋ณ€ํ™”ํ•˜๋Š” ๋ฌผ๋ฆฌ๋Ÿ‰์ด๋‚˜ ๋ฐ์ดํ„ฐ๋กœ, ์Œ์„ฑ, ์˜์ƒ, ์ „๊ธฐ ์‹ ํ˜ธ, ์ƒ์ฒด ์‹ ํ˜ธ ๋“ฑ ๋‹ค์–‘ํ•œ ํ˜•ํƒœ๋กœ ์กด์žฌํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์‹ ํ˜ธ์ฒ˜๋ฆฌ์˜ ๋ชฉ์ ์€ ์ด๋Ÿฌํ•œ ์‹ ํ˜ธ๋กœ๋ถ€ํ„ฐ ์œ ์šฉํ•œ ์ •๋ณด๋ฅผ ์ถ”์ถœํ•˜๊ฑฐ๋‚˜ ์‹ ํ˜ธ๋ฅผ ๋ณ€ํ˜•ํ•˜์—ฌ ํŠน์ • ๋ชฉ์ ์„ ๋‹ฌ์„ฑํ•˜๋Š”...

[๊ฟ€ํŒ] ์„ค๋งˆ ์ˆ˜์‹/ํ…Œ์ด๋ธ” ์ง์ ‘ ์ฝ”๋“œ๋กœ ์ž‘์„ฑํ•˜์‹œ๋‚˜์š”?!

์•ˆ๋…•ํ•˜์„ธ์š”, ์—ฌ๋Ÿฌ๋ถ„! โœจ ์˜ค๋Š˜์€ ์ œ๊ฐ€ ๊ฐœ์ธ์ ์œผ๋กœ ์ •๋ง ์• ์šฉํ•˜๋Š”, ๋ฌธ์„œ ์ž‘์—…์˜ โ€˜๊ฒŒ์ž„ ์ฒด์ธ์ €โ€™๋ผ๊ณ  ๋ถˆ๋Ÿฌ๋„ ๊ณผ์–ธ์ด ์•„๋‹Œ Mathpix๋ฅผ ์†Œ๊ฐœํ•ด ๋“œ๋ฆฌ๋ ค๊ณ  ํ•ด์š”! ML/DL์„ ์—ฐ๊ตฌํ•˜๋Š” ์—ฐ๊ตฌ์ž, ๊ทธ๋ฆฌ๊ณ  ํ•™์ƒ์œผ๋กœ์„œ ์ˆ˜์‹์„ ์–ธ์  ๊ฐ€ ๋งˆ์ฃผํ•˜๊ฒŒ ๋ฉ๋‹ˆ๋‹ค. ๊ทธ๋ฆฌ๊ณ  ์ด๋ฅผ ๋ฌธ์„œํ™”ํ•˜๊ฒŒ ๋  ์ผ(์ž๋ฃŒ ์ž‘์„ฑ, ๋…ผ๋ฌธ ์ž‘์„ฑ ๋“ฑ)๋„ ๋‹น์—ฐํžˆ ์žˆ๊ฒŒ ๋ฉ๋‹ˆ๋‹ค. ์–ด๋ ค์šด ์ˆ˜์‹์„ ์ง์ ‘ ์ˆ˜๊ธฐ๋กœ ์˜ฎ...

[๋จธ์‹ ๋Ÿฌ๋‹][์ฐจ์›์ถ•์†Œ] ๋ณ€์ˆ˜ ์ถ”์ถœ๋ฒ• - Multi-Dimensional Scaling (MDS)

๋ณธ ํฌ์ŠคํŠธ๋Š” ๊ณ ๋ ค๋Œ€ํ•™๊ต ๊ฐ•ํ•„์„ฑ ๊ต์ˆ˜๋‹˜์˜ ๊ฐ•์˜๋ฅผ ์ˆ˜๊ฐ• ํ›„ ์ •๋ฆฌ๋ฅผ ํ•œ ๊ฒƒ์ž…๋‹ˆ๋‹ค. ์ž‘์„ฑ ๋ฐ ์„ค๋ช…์˜ ํŽธ์˜๋ฅผ ์œ„ํ•ด ์•„๋ž˜๋Š” ํŽธํ•˜๊ฒŒ ์ž‘์„ฑํ•œ ์  ์–‘ํ•ด๋ถ€ํƒ๋“œ๋ฆฝ๋‹ˆ๋‹ค. Dimensionality Reduction Supervised Variable Extraction ์ฐจ์›์ถ•์†Œ๋Š”, ๋ชจ๋ธ๋ง์„ ํ•˜๊ธฐ ์œ„ํ•ด ๋‚ด๊ฐ€ ๊ฐ€์ง„ ๋ฐ์ดํ„ฐ์˜ ์ •๋ณด๋ฅผ ์ตœ๋Œ€ํ•œ ๋ณด์กดํ•˜๋ฉด์„œ, ํ›จ์”ฌ ๋” compac...

[๋จธ์‹ ๋Ÿฌ๋‹][์ฐจ์›์ถ•์†Œ] ๋ณ€์ˆ˜ ์ถ”์ถœ๋ฒ• - Principal Component Analysis (PCA)

๋ณธ ํฌ์ŠคํŠธ๋Š” ๊ณ ๋ ค๋Œ€ํ•™๊ต ๊ฐ•ํ•„์„ฑ ๊ต์ˆ˜๋‹˜์˜ ๊ฐ•์˜๋ฅผ ์ˆ˜๊ฐ• ํ›„ ์ •๋ฆฌ๋ฅผ ํ•œ ๊ฒƒ์ž…๋‹ˆ๋‹ค. ์ž‘์„ฑ ๋ฐ ์„ค๋ช…์˜ ํŽธ์˜๋ฅผ ์œ„ํ•ด ์•„๋ž˜๋Š” ํŽธํ•˜๊ฒŒ ์ž‘์„ฑํ•œ ์  ์–‘ํ•ด๋ถ€ํƒ๋“œ๋ฆฝ๋‹ˆ๋‹ค. Dimensionality Reduction Supervised Variable Extraction ์ฐจ์›์ถ•์†Œ๋Š”, ๋ชจ๋ธ๋ง์„ ํ•˜๊ธฐ ์œ„ํ•ด ๋‚ด๊ฐ€ ๊ฐ€์ง„ ๋ฐ์ดํ„ฐ์˜ ์ •๋ณด๋ฅผ ์ตœ๋Œ€ํ•œ ๋ณด์กดํ•˜๋ฉด์„œ, ํ›จ์”ฌ ๋” compa...