일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- arima
- 시계열
- Eda
- hadoop
- 다변량분석
- 서평
- SQLD
- cnn
- 프로그래머스
- 한국전자통신연구원
- SQL
- 하계인턴
- 머신러닝
- 가나다영
- httr
- ggplot2
- 에이블러
- Ai
- 한국전자통신연구원 인턴
- 빅데이터분석기사
- 빅분기
- dx
- KT AIVLE
- 딥러닝
- r
- KT 에이블스쿨
- ETRI
- 에트리 인턴
- 시각화
- ML
- 에이블스쿨
- 하둡
- 기계학습
- 소셜네트워크분석
- kt aivle school
- 웹크롤링
- kaggle
- python
- 지도학습
- matplot
Archives
- Today
- Total
목록Maximum Likelihood Estimation (1)
소품집
[ML/DL] MLE, MAP (최대우도법, 최대사후법)
MLE(Maximum Likelihood Estimation) 모델 파라메터를 observation(관찰값)에만 의존하여 estimation(예측) 예시 모델: Probability density function f 모델의 파라메터: θ Observation: X = (x1, x2, …, xn) → n: 데이터개수 Likelihood Log는 단조증가함수인데다가 곱셈을 덧셈으로 바꿔주므로, 계산의 편의를 위해 Likeli-hood가 자주 이용됨 역시, 마무리는 Estimation 수식에 대한 '편미분' Maximum Likelihood Estimation 예제 동전을 던져서 '앞면'이 나오는 확률을 구해보자 모델정의 Random variable X : 동면의 앞면이 나오는 횟수 X ~ B(n,p) Bin..
AI
2020. 5. 6. 00:56