데싸(Data Science) 노트

12.3.8. 자동 미분을 사용하여 그래디언트 계산하기¶ 자동 미분이란?¶ 신경망처럼 수만 개의 파라미터를 가진 복잡한 함수의 도함수(미분, 그래디언트)를 쉽게 계산할 수 있도록 해주는 도구 tensorflow.GradientTape() 을 활용 예시: $w_1 = 5, w_2 = 3$ 일 때 도함수는 각각 36과 10임을 미분을 통해 구함 $$f(w_1, w_2) = 3w_1^2 + 2w_1w_2$$$${df \over {dw_1}} = 6w_1 + 2w_2$$$${df \over {dw_2}} = 2w_1$$ In [1]: import tensorflow as tf w1, w2 = tf.Variable(5.), tf.Variable(3.) # 두 변수 w1과 w2를 정의 def f(w1, w2): #..

In [1]: from IPython.core.display import display, HTML display(HTML("")) 필요한 라이브러리 임포트¶ In [2]: import tensorflow as tf from tensorflow.keras import preprocessing, layers 입력 및 라벨 데이터 생성¶ In [3]: samples = ["너 오늘 이뻐 보인다", "나는 오늘 기분이 더러워", "끝내주는데, 좋은 일이 있나봐", "나 좋은 일이 생겼어", "아 오늘 진짜 짜증나", "환상적인데, 정말 좋은거 같아"] labels = [[1], [0], [1], [1], [0], [1]] 전처리¶ In [4]: tokenizer = preprocessing.text.Tokeni..

표본평균의 분포란? 서로 독립이고 동일한 확률분포를 따르는 확률변수 $X_1, X_2, ..., X_n$의 표본평균 $\bar{X}$이 따르는 분포. 이 분포는 모평균의 구간추정이나 모평균의 검정에서 사용. 표본평균의 기댓값과 분산 확률변수 $X_1, X_2, ..., X_n$이 기댓값이 $\mu$, 분산이 ${\sigma}^2$인 확률 분포를 따를 때, $$E(\bar{X})=\mu$$ $$V(\bar{X})=\frac{{\sigma}^2}{n}$$ 표본평균의 분포 원래 분포가 뭐였든 간에(정규 분포, 포아송 분포), 표본평균의 분포는 표본 크기가 커짐에 따라 정규 분포에 가까워짐. 중심극한정리(Central limit theorem) 확률변수 $X_1, X_2, ..., X_n$이 서로 독립이고, 동..

소개¶ 이 장에서 살펴볼 확률변수는 서로 독립인 다차원 확률변수. 독립: 확률변수가 다른 확률변수에 영향을 끼치지 않음. 독립동일분포(i.i.d.; independently and identically distributed): 서로 독립이고 각각 동일한 확률분포를 따르는 다차원 확률변수. 동일한 조건 아래에서 수행되는 실험이나 관측을 여러 번 반복하여 데이터를 얻는 것. 예: 우연히 만난 20명의 학생에게 시험 점수를 물어본 경우, 학생 한 명의 점수 각각은 전교생의 점수 분포를 따르는 1차원 확률변수, 어떤 학생을 만나기 직전에 만났던 학생과 전혀 관계없이 만난 학생이므로, 우연히 만난 20명의 점수는 서로 독립인 20차원의 확률변수 (독립동일분포). 확률분포 $F$: $X_1, X_2, ..., X_..

저자 Ledig et al. 게재 저널 Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (IEEE 2017) 게재 날짜 2017년 URL https://openaccess.thecvf.com/content_cvpr_2017/html/Ledig_Photo-Realistic_Single_Image_CVPR_2017_paper.html CVPR 2017 Open Access Repository Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network Christian Ledig, Lucas Theis, Ferenc Huszar..

저자 Karen Stengel et al. 게재 저널 PNAS (Proceedings of the National Academy of Sciences of the United States of America) 게재 날짜 2020년 07월 21일 URL https://www.pnas.org/content/117/29/16805.short Adversarial super-resolution of climatological wind and solar data Global climate simulations are typically unable to resolve wind and solar data at a resolution sufficient for renewable energy resource assess..

6단원. 이산형 확률분포¶ 추측 통계의 목표: 한정된 표본으로부터 모집단의 평균, 분산을 추정 모수적 기법: 이 때 모집단이 어떠한 성질일 것이므로 이러한 형태를 지닌 확률분포일 것이다라는 가정을 하고, 확률분포의 기댓값과 분산을 결정하는 파라미터를 추측 비모수적 기법: 모집단의 확률분포에 어떠한 가정도 하지 않음 파라미터만 추측하면 되니까 추정이 간단하고 분석이 쉬운 모형을 만들 수 있다! 다양한 확률분포, 특히 이산형 확률분포에 대해 소개 각각의 확률분포를 어떠한 상황에서 사용하는지 설명 6.1. 베르누이 분포(Bernoulli distribution)¶ 확률변수가 취할 수 있는 값이 0과 1밖에 없는 분포 1이 나오는 확률을 $p$, 0이 나오는 확률을 $1-p$ 파라미터: $p$ $$ f(x)= ..