# Stochastic

[CS229] 2. Linear Regression and Gradient Descent 리뷰
이 포스트는 CS229의 2. Linear Regression and Gradient Descent 강의를 보고 리뷰한 포스트입니다. 내용이 부정확할 수 있다는 점 감안하고 보시길 바랍니다. `Mechanism` Figure 1. Machine Learning Algorithm Training dataset X가 주어지면, Learning algorithm을 통해 hypothesis를 갱신한다. optimal hypothesis 산출되면, 최종적으로 real y와 estimated y(y hat)의 오차를 최소화하는 y hat이 predict(estimate)될 것

[Statistics]Bayesian to DPMM(2). Bayesian Approach & Hierachical model
오늘은 posterior distribution 에 대해서 조금 더 집중해서 글을 쓰려고 합니다. prior probability 와 posterior probability 의 사전적 정의는 다음과 같습니다. > - prior distribution : assumed probability distribution before some evidence is taken into account posterior distribution : conditional probability that results from updating the prior probability with information summarized by the likelihood via an application of Bayes' rule. 간단한 예시를 이전 포스팅에서 제시했었습니다. 조금 더, Machine learning 을 공부하시는 분들의 흥미를 끌만한 새로운 예시와 함께 다음 단계를 통해

기술적지표3 - RSI(상대강도지수), Stochastic(스토캐스틱)
RSI(상대강도지수) RSI란? RSI는 가격의 상승 압력과 하락 압력 간의 상대적인 강도를 나타내며, 일정 기간동안 주가가 전일 가격에 비해 상승한 변화량과 하락한 변화량의 평균값을 구하여 상승한 변화량이 크면 과매수로, 하락한 변화량이 크면 과매도로 판단하는 방식이다. RSI 지표 개발자인 Welles Wilder는 RSI가 70%이상이면 과매수, 30%이하면 과매도 상태로 규정했다. RSI 지표 공식 > 가격이 전보다 높은경우 상승분을 U(Up), 하락한 경우 하락분은 D(Down) 값이라고 한다. U와 D의 평균값을 각각 AU(Average Ups), AD(Average Downs) 라고 한다. AU/AD = RS(Relative Strength) RSI = RS / (1 + RS) U와 D의 평균값을 구할때 Welles Wilder는 14봉을 사용하길 권장했다. 또한, 이전에 배운 지수이동평균을 계산한것처럼 최근값에 조금더 가