기계학습

[ML] 베이지안 분류기(Bayesian Classifier)(3) - Parameter Estimation

🤔Parameter Estimation 모수(parameter)은 모집단의 특성을 나타내는 수치로 모평균, 모분산, 모표준편차, 모비율, 모상관관계 등이 있습니다. 표본 통계량(sample statistics)은 표본(sample)의 특성을 나타내는 수치로 표본평균, 표본분산, 표본표준편차, 표본비율, 표본상관관계 등이 있습니다. 표본 통계량은 표본에서 얻은 모수에 대한 정보의 요약이므로 통계량은 모집단에서 추출한 특정 표본에 따라 달라지는 확률변수입니다. 이 통계량의 확률 분포를 표본 분포(sampling distribution)라고 부릅니다. 현실적으로 모집단의 특성, 즉 모수를 아는 것은 거의 불가능합니다. 따라서 표본의 특성인 통계량을 통해 모수를 추정(estimation)합니다. 이번 포스팅에서..

[ML] 베이지안 분류기(Bayesian Classifier)(2) - 베이즈 정리(Bayes' Theorem)

🤔베이즈 정리 저번 시간에 간단한 예시를 통해 베이지안 분류기를 배웠습니다. 그리고 결론적으로 아래의 식을 유도하여 대소관계의 비교를 통해 큰 확률을 가지는 값을 것을 알 수 있었습니다. $$P(w_j|x) (x : data, w_j : j^{th}class)$$ 이번 포스팅에서는 베이즈 정리에 대하여 수학적 유도를 통해 어떤 원리가 숨어있는지 이해하는 시간을 가져보도록 하겠습니다. 👉 이전 포스팅 더보기 https://2t-hong.tistory.com/64 [ML] 베이지안 분류기(Bayesian Classifier) 알아보기 🤔Bayesian Classifier 베이지안 분류기는 특성들 사이의 독립을 가정하는 베이즈 정리를 적용한 확률 분류기의 일정입니다. 이번 포스팅에서는 베이즈 정리에 대해 수학..