# bayesian
01.베이즈 추론
추론 대상의 사전 확률 p(Θ)과 추가적인 정보 X를 통해 해당 대상의 사후 확률 p(Θ|X)을 추론하는 방법베이즈 정리를 사용해 구한다$$p(Θ|X) = {p(X|Θ) \* p(Θ) \\over p(X)}$$감마함수 정의
Bayesian (2) - Non-informative prior
이전 게시글에서는 single parameter model에서 이루어지는 bayesian inference의 대략적인 과정과, 그 과정에서 관찰되는 conjugate prior-posterior distribution에 대해 살펴보았다. 이번에는 prior distri
Bayesian Statistics
이 게시물은 2009년에 오클랜드 대학의 Wayne Stewart에 의해 작성되었고 이후 Brendon J. Brewer에 의해 수정된 베이지안 강의 내용이다. Introduction to Bayesian Statistics
Bayesian (1) - Single Parameter Models
Frequentist, 즉 빈도주의적 관점에서는 확률은 반복되는 시행과정에서 해당 사건의 발생 빈도를 의미한다. 즉, 어떤 분류 모델의 성능이 95%라면, 이는 임의의 예제 100개 중 95개의 비율로 정확성을 갖는다는 것을 의미한다. 반면, 베이지안 관점에서는 해당
하이퍼 파라미터 최적화(Hyperparameter Optimization) - 2
데이터 학습 방법에 대한 마지막 글 입니다. 지난 글에서는 하이퍼 파라미터 최적화에 대한 내용과 방법에 대해 소개해드렸고 이번 글에서는 지난 글에 이어 하이퍼 파라미터 최적화 방법에 대해 소개하도록 하겠습니다.
[AIB]Note123~4 Confidence interval, Bayesian
t-test, chi-square test를 통해 우리는 1개 그룹, 2개 그룹의 값을 살펴 보았다.그러면 3개 이상의 그룹을 확인할 수는 없을까?2개 이상의 그룹을 확인하기위해 그룹1 vs 그룹2, 그룹2 vs 그룹3, 그룹1 vs 그룹3을 각각 하면 되지 않을까?
kocw 김태형교수님 빅데이터 개론 및 데이터 분석 기법
http://www.kocw.net/home/search/kemView.do?kemId=1319487김태형 교수님 강의 정리공분산: 두 변수가 얼마나 연관선이 있느냐
[데이터 분석] Bayesian Inference
오늘 학습하면서 메모한 내용들을 간단히 업로드 해본다. Note 04 : Bayesian 을 배웠다. 전반적으로 이해하지 못한 내용은 없었으나 많이 헷갈리는 파트인 것 같다. 그래도 계속 보다보니 감을 잡은 것 같다. Sprint Challenge까지 잊지 않도록 복습
AI 부트캠프 9일차
S1-WEEK2 Note 04 : Bayesian 학습목표 Warm-up : 베아즈 정리 The principle of insufficient reason(이유 불충분의 원리) : 아무 정보가 없는 상황에서 확률을 50:50으로 가정하는것 Bayesian Inf
