분류 전체보기469 베이즈 방법 (베이지안 방법) 개념 정리 베이즈 방법 모수를 확률변수로 다루는 방법입니다. 기존의 전통적 방법은 확률 표본의 정보만 이용했지만 베이즈 방법은 다릅니다. $\theta$ : 모수 (값) $\Theta$ : 모수 (확률변수) $\Theta$의 확률분포 $\pi(\theta)$(사전분포, prior distribution) $\theta$의 값이 어느 정도 되는지를 알고 있는 상황입니다. 크기 n인 확률표본을 $x = (x_{1}, x_{2},..., x_{n})$과 같이 나타내고, 모수 $\theta$에 대해 표본의 표본 분포를 $f(x \mid \theta)$로 나타냅니다. 베이즈 정리 $P(A \mid B) = \frac{P(B\mid A) P(A)}{P(B)}$ 정의 자료 $x$가 주어질 경우 $\theta$의 분포(사후 분포.. 2019. 9. 25. Ch04 분류분석(3) - LDA & QDA Discriminant Analysis 각 classes에서의 X의 분포를 개별적으로 모델링하한 후 Bayes 정리를 사용하여 $Pr(Y \mid X)$를 얻습니다. 각 class에 대해 normal (Gaussian) 분포를 사용하고 이는 linear or quadratic discriminant analysis로 이어집니다. 로지스틱 회귀가 아닌 다른 대안을 고려하는 이유 class들이 잘 분리되어 있을 때 로지스틱 회귀로 모수를 추정하는 것은 매우 불안정(unstable)합니다. n이 작고, 예측 변수 X의 분포가 대략적으로 정규성을 띈다면 LDA는 로지스틱 회귀보다 더 안정성을 가집니다, LDA는 response classes가 두개 이상일 때 더 자주 사용됩니다. ▶ 선형 판별분석(Linear .. 2019. 9. 25. 서울시 구별 병원 현황 분석 - pandas로 데이터 파악 및 전처리 하기 ▶ pandas import import pandas as pd ▶ csv 파일 불러오기 HOS_Seoul = pd.read_csv('10_to_18_number_hos.csv', encoding='utf-8') HOS_Seoul.head() csv 파일을 읽고 head 명령을 통해 앞 5줄만 불러왔습니다. csv 파일을 읽을 때는 디렉터리가 같아야 한다는 점 반드시 명심하시길 바랍니다. ▶ 열 인덱스 HOS_Seoul.columns 열 인덱스로 기관명, 소계, ... 등이 있는 것을 확인합니다. ▶ 첫 번째 열 인덱스 HOS_Seoul.columns[0] 첫 번째 열 인덱스만 나타냅니다. ▶ 기관명을 구별로 바꾸기 HOS_Seoul.rename(columns={HOS_Seoul.columns[0] : .. 2019. 9. 24. 2.2.2 연립일차방식의 해법(정칙인 경우) - 가우스 요르단 소거법 블록 행렬 표기만으로 연립 일차방정식을 풀다 \begin {pmatrix} 1 & \frac{3}{2} &\frac {3}{2} &\mid \frac {9}{2}\\ - & - & - & \mid - \\ 3 & 4& 2& \mid 9\\ - & - & - & \mid - \\ -2& -2& 3& \mid 2 \end {pmatrix}$ (2.15) 1행을 (-3)배하여 2행에 더해 선두를 0으로 만든다. 1행을 2배하여 3행에 더해 선두를 0으로 만든다. 이것으로 1열을 완성한다. $-> \begin {pmatrix} 1 & \frac{3}{2} &\frac {3}{2} &\mid \frac {9}{2}\\ - & - & - & \mid - \\ 0 & -\frac{1}{2}& -\frac {5}{2}.. 2019. 9. 24. 이전 1 ··· 100 101 102 103 104 105 106 ··· 118 다음
