본문 바로가기

분류 전체보기469

Chap03 회귀분석(1) ● The Linear Regression Model $Y_{i} = \beta_{0} + \beta_{1} X_{1} + \beta_{2} X_{2} +... + \beta_{p} X_{p} + \varepsilon$ 선형 회귀 모델은 모수를 해석하기가 매우 쉽습니다. $\beta_{0}$는 절편(모든 X의 값들이 0일 때 Y의 평균 값)이고 $\beta _{j}$는 j번 째 변수 $X_{j}$의 기울기입니다. $\beta _{j}$는 다른 모든 X들이 일정하게 고정되고 $X_{j}$가 한 단위 증가할 때 평균적으로 증가하는 Y를 나타냅니다. ● Least Squares Fit (최소 제곱 법) Least squares를 이용하여 모수를 추정합니다. $MSE = \frac {1}{n}\sum_{i=1}.. 2019. 9. 18.
4.6.2 1차원일 때 예를 들어 $\frac{\mathrm{d} }{\mathrm{d} t}x(t) = 7x(t)$ 의 해는 $x(t) = e^{7t}x(0)$입니다. 실제로 대입해보면 $\frac{\mathrm{d} }{\mathrm{d} t}x(t) = 7e^{7t}x(0) = 7x(t)$ 가 확인됩니다. 일반적으로 정수 a에 대해 $\frac{\mathrm{d} }{\mathrm{d} t}x(t) = ax(t)$의 해는 $x(t) = e^{at}x(0)$이라는 지수함수입니다. 공식 $de^{at}/dt = ae^{at}$와 비교하여 확인해 주십시오 $t \rightarrow \infty$에서 이 x(t)가 어떻게 되는지는 a의 부호 나름입니다. a > 0이면 폭주하고, $a\leq 0$이면 폭주하지 않습니다. 참고 미분.. 2019. 9. 17.
4.6 연속시간 시스템, 4.6.1 미분방정식 지금까지 시간 t가 이산(t = 0, 1, 2...)인 경우를 다뤘습니다. 대부분의 물리 현상은 시각 t가 연속인 미분방정식으로 설명합니다. 따라서 물리적인 대상에 관한 제어 문제에서는 연속 시간 시스템에 대해서도 폭주를 판정하고 싶어 집니다. 연속 시간인 경우도 스토리는 이산 시간과 같지만 폭주 판정의 조건은 조금 다릅니다. 보통의 방정식은 3x - 12 = 0 과 같이 미지수 x를 포함하는 등식을 보고, 이 등식이 성립하는 x의 값을 답하는 것입니다. 이 예라면 해는 4 미분방정식은 $\frac {\mathrm {d} }{\mathrm {d} t}x(t) = 12-3x(t), x(0)=9$ 와 같이 미지의 함수 x(t)와 그 미분 $\frac {\mathrm {d} }{\mathrm {d} t} x(.. 2019. 9. 17.
파이썬의 대표 시각화 도구 Matplotlib 아래의 모든 내용은 파이썬으로 데이터 주무르기(저자 민형기)의 예시를 사용했습니다. ▶ 시각화에 필요한 모듈 불러오기, matplotlib.pyplot as plt # 모듈 불러오기 import matplotlib.pyplot as plt # 앞으로 plt란 값을 사용 %matplotlib inline # 그래프의 결과를 출력 세션에 나타나게 하는 설정 ▶간단한 그래프 그리기 plt.figure() plt.plot([1,2,3,4,5,6,7,8,9,8,7,6,5,4,3,2,1,0]) plt.show() ▶ sin함수 만들어보기 import numpy as np t = np.arange(0,12,0.01) # 0에서 12까지 0.01 간격으로 데이터 만들기, x축 y = np.sin(t) # np에 있는 .. 2019. 9. 17.

티스토리툴바