์ ๋ณด ์ด๋ก ์ ์ฝ๋ก๋ ์๋ ์ ์ ์ํ ๊ฐ๋ ์ผ๋ก ์ ๋ณด๋ฅผ ๊ตฌ์ฒดํ/์์นํํ ๊ฒ์ผ๋ก, ๋๋ฌผ๊ฒ ์ผ์ด๋๋ ์ฌ๊ฑด์ผ์๋ก ์์ฃผ ์ผ์ด๋๋ ์ฌ๊ฑด์ ๋นํด ๋ ๋ง์ ์ ๋ณด๋ฅผ ๋ด๊ณ ์๋ค๋ ์ด๋ก ์ด๋ค. ์ ๋ณด ์ด๋ก ์ ์ต์ ์ ์ฝ๋๋ฅผ ๋์์ธํ๊ณ , ๋ฉ์ธ์ง์ ๊ธฐ๋ ๊ธธ์ด๋ฅผ ๊ณ์ฐํ๋๋ฐ ๋์์ด ๋๋ค. ๋จธ์ ๋ฌ๋์์๋
tSNE (t-Stochastic Neighbor Embedding)๋ ๊ฐ๋ ๋์ง ์๋ ๋น์ ํ ๊ธฐ์ ์ด๋ฉฐ ์ผ๋ฐ์ ์ผ๋ก ๋์ ์ฐจ์์ ํน์ง์ ๊ฐ์ง ๋ฐ์ดํฐ ์ํ์ ์๊ฐํํ๋ ๋ฐ ์ฌ์ฉ๋๋ค. t-SNE์ ์ฃผ์ ๋ชฉ์ ์ Data Visualization์ผ๋ก ๊ณ ์ฐจ์ ๋ฐ์ดํฐ๋ฅผ 2์ฐจ์ ๋๋
I. Implement histogram, KDE, MLE 1. Data (weight-height.csv) The dataset given in this task consists of columns of gender, height, and weight, and ge
์ธ๊ฐ์ ํ์ต๋ฅ๋ ฅ, ์ถ๋ก ๋ฅ๋ ฅ๋ฑ์ ์ปดํจํฐ๋ฅผ ํตํด ๊ตฌํํ๋ ํฌ๊ด์ ๊ฐ๋ Strong AI ์ week AI ๋ก ๊ตฌ๋ถData ๋ฅผ ์ด์ฉํ์ฌ ๋ฐ์ดํฐ ํน์ฑ๊ณผ ํจํด์ ํ์ตํ์ฌ, ๊ทธ ๊ฒฐ๊ณผ๋ฅผ ๋ฐํ์ผ๋ก ํน์ ๋ฐ์ดํฐ์ ๋ํ ๋ฏธ๋ ๊ฒฐ๊ณผ(๊ฐ, ๋ถํฌ)๋ฅผ ์์ธกLearn from data๋จธ์ ๋ฌ๋์