양자 중첩(?) 스러운 접근에 관해.
(공부 중 떠오른 이미지를 메모합니다.)가령 이런 코드를 보면,이때 a 배열 의 모습은 다음과 같다. int , int 아직 값이 담기진 않았지만 메모리 라는 그릇 에 값 을 담을 준비를 하기 위해서위처럼 선언 한다고 생각해볼수 있다.끝
Bayes Classifier 는 다음과 같이 나타나게 된다.$$ f^\*(x) = \\underset{k}{\\operatorname{argmax}} \~~ P(Y=k|X=x) \~\~~ \\ = \\underset{k}{\\operatorname{argmax}} \
일종의 " 시작 지점 " 이라고 보는것이 편하다.가리킨다. 라는 의미로, 영어 그대로 pointing 하는 녀석 이라고 상상하면 된다.자세한 개념은 다른 전문적인 문서들을 보면서 익히되 상상하면 보다 쉽게 이해할수 있을것이다.끝
단순히 확률이나 통계, 일반화에 지나지 않는다.확률과 통계를 배울때 성실히 임하고 개념을 명확히 알고 있는 사람이라면몇가지 툴을 사용하는 방법만 알면 적용가능한것이 머신러닝이라고 생각한다.기본적인 개념은 쉽게 이해가능하며 그 "배움의 두려움" 문턱만 넘으면 누구나 배울
일종의 상상법? 쉽게 머릿속으로 그릴수 있는 방법을 설명한다.멀티미터의 그림\[] 여기에 이미지 링크가 있다고 하자.이 사이에 건전지가 하나 있다고 생각하자. 그럼 쉬워진다.전류나 전압의 교류 그래프를 그릴때,파형이 시간 0 축부터 오른쪽으로 그려질때, 가령 사인파라고
시정수가 갖고있는 의미에 대해서 생각해보면 암기하지않고 이해할수있다.간단하게 설명한다.직렬 RC 회로에 대해서는 t = RC 이다.저항이 크다면 회로에 흐르는 전류가 작아지고 캐패시터에 충전되는 전하량이 줄어든다.즉, 오래걸린다. (!)두번째로 캐패시턴스 자체가 크면