$k \\le m, \\ \\ \\E\\left| x \\right|^m < \\infin \\to E\\left| x \\right|^k < \\infin$$\\mu(X)$: 음수가 아닌 확률변수 X의 함수$E\\mu(x) < \\infin$=> $\
1.9 Some Special Expectation $E(X^k)$: k-th moment $\mu = E(X): mean$ $\sigma^2 := E{(X-\mu)^2}: variance$ $E{(X-\mu)^k}$: k-th central moment Def 1.
[복습] 벡터공간이란? 벡터공간은 v와 w라는 열벡터가 존재할때, 상수 c,d에 대하여 cs + dw가 존재하는 공간(선형결합으로 이뤄진 모든 벡터가 만드는 공간)을 의미 ex) 3차원에 있다고 생각할때, 두 벡터의 선형결합은 아래와 같이 하나의 공간 위에서 모두 존
치환행렬은 역행렬이 자기 자신의 전치행렬이 되며, A=LU 행렬분해에서 A행렬의 row exchange를 수행하게 된다. 따라서 PA = LU와 같은 형태로 행렬 분해의 일반적인 형식을 표현할 수 있다.(for any invertible A)치환행렬이 가능한 경우의 수
\*A = LU 분해를 위한 사전 지식 체크(1) 역행렬의 교환법칙과 곱셈 법칙$AA^{-1} = I = AA^{-1}$$(AB)^{-1} = B^{-1}A^{-1}$$(A^T)^{-1} = (A^{-1})^T$우리는 행렬을 통해 선형연립방정식을 해결하고자 할때, 가
$X$: 셀수 있고 유한한 표본 공간 내의 확률변수discrete r.v. if ists space is either finite or countable$P_x(X) = P(X=x), x \\in S$지지영역(Support): $S_x =${$X:P_x(x) >0$}e
함수 $f$가 $a \\in R$에서 여러번 미분 가능할 때, 다항함수로 근사한 식을 테일러급수라고 부른다.아래와 같이 멱급수의 형태로 나타낸다.$TF (x) =\\sum{n=0}^\\infin {f^{(n)}(a)\\over n!}(x-a)^n = f(a) + f^\
행렬의 곱을 구하는 여러 방식에 대해 알아보자.$\\begin{pmatrix} & \\ & \\end{pmatrix} \\cdot\\cdot\\cdot A(mn)$$\\begin{pmatrix} & \\ & \\end{pmatrix} \\cdot\\cdo
Random Variables(확률변수) -> 특정 확률분포를 따르는 변수(임의변수)$X: a\\ real\\ valued\\ function\\ defined\\ on\\ the\\ sample\\ space$$X(c) = k,\\ c \\in C$\--> one a
이번 강의에서는 행렬의 소거에 대한 것을 배운다.보통 선형대수 강의의 순서는 행렬의 성질 -> 가우스 조던 소거법 -> 행렬분해와 같은 순서로 이뤄지는데, MIT Gilbert Strang교수는 먼저 선형대수의 빅-픽쳐를 보여주기 위해서(아니면 MIT 학생들의 높은 지
n개의 선형방정식과 n개의 미지수가 있는 경우, 아래 3가지로 접근 가능하다.(1) Row picture: 각 방정식 간의 접점 찾기(2) Column picture: Vector의 선형조합 구하기(3) Matrix picture: 행렬로 구하기ex)$2x - y =
$0\\le P(C)\\le1, \\ \\forall c \\in B$$0=P(\\phi) \\le P(c) \\le P(C) = 1$$P(C_1 \\cup C_2) = P(C_1) + P(C_2) - P(C_1 \\cap C_2)$$P(C_1 \\cup C_2) =
Chap1. Probability and Distributions Introduction Statistical experiment: Outcome that cannot be predicted with certainty prior to the experiment 통
데이터를 읽어들이기 위해서는 컴퓨터 내부 데이터에 접근하거나 URL주소를 통해 데이터를 직접 다운받아야한다. 보통 큰 용량의 데이터의 경우 URL주소를 통해 접근해야 하므로 아래와 같은 코드를 입력하여 저장해야한다.import osimport tarfileimport
훈련 세트 / 테스트 세트로 나누기 *일반화 오차 : 모델에 들어가는 새로운 샘플에 대한 오류 비율 *Estimation(추정값) : 테스트 세트에서 모델을 평가해 오차에 대해 얻는 추정값. 홀드아웃 검증 훈련세트를 훈련시킨 후, 테스트 세트를 통해 일반화 오차를
어제 오늘 동안 핸즈온 머신러닝의 첫 예제인 머신러닝 프로젝트 처음부터 끝까지를 공부했다. 이 책을 공부하며 가장 놀랐던 것은 머신러닝 책임에도 불구하고 프로젝트의 밑바닥부터 차근차근 설명한다는 점이다. 다른 서적을 많이 읽어보진 않았지만, 기존의 데이터 정제나 변환과