# dirichlet

jhjh9701

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

jhjh9701

원래 git 에 자료들을 많이 올렸는데, 여기에 조금 더 가독성이 좋게 정리를 해보려고 합니다. 예전에 읽고 싶엇떤 논문이 dirichlet process mixture model 이라는 단어를 중심으로 전개되었습니다. dirichlet process mixture model, 간단하게 이해할 수 있을 줄 알고 구글링을 몇 번 해봤지만 막막하기만 하더라구요. 그런데 또, 아예 이해 못할정도로 다른 세계는 아닌 것 같았습니다. 그래서 파고들어봤더니 bayesian 에 대한 이해부터 새롭게 할 수 있는 좋은 기회가 되더군요. 1. So What is the Bayesian? bayesian equation $$ p(\theta|y) = \frac{p(y|\theta)p(\theta)}{p(y)} $$ 로 기초적인 확률론만 공부한다면 자명합니다만, 식에 담긴 의미가 아주 깊고, 어렵습니다. 대부분의 교과서에 기술된 $x$, $y$ 가 아닌 $y$, $\theta$ 를 사용한