Data Science

(Reference)참고링크 : 공돌이의 수학정리노트참고링크 : 잠재 디리클레 할당 파헤치기 1~3탄(용어 정리)타켓 분포 : 우리가 샘플을 추출하고자 하는 유사 확률 분포 $\\Rightarrow$ $f(x)$ 로 표기함제안 분포 : 제안 분포 는 우리가 쉽게 샘플을

Box-jenkins 방법론 : 시계열 모형의 통계이론 위키 설명 : 박스-젠킨스(Box–Jenkins) 방법은 자동회귀이동평균(ARMA) 또는 자동회귀누적이동평균(ARIMA) 모델을 적용하여 시계열 과거 값에 대한 시계열 모델 최적합을 찾는다 Box-jenki

벡터화한 A, B의 유사도를 구하는 방법에는 유클리디안 유사도로 대표되는 거리 기반 유사도와코사인 유사도로 대표되는 각도 기반 유사도가 있다.각도 기반 유사도와 거리 기반 유사도는 언제 사용해야 좋은지 알아보자.유사도 측정 방식 위 그림 중 좌측 그림을 보면 거리 기반

목표 차원축소 알고리즘인 PCA알고리즘에 대해서 정리하고자 함 PCA를 왜 쓰는지 그리고 쓰면 머가 좋은지에 대해서 결론적인 얘기만 하고자함 (질문) PCA를 왜 사용하셨나요?? 흔히, PCA 알고리즘을 차원축소 알고리즘으로 알고있다. 그렇기 때문에 면접때 PCA를

1) word2vec은 word를 다차원 벡터(vector)공간에 표현하여 벡터간의 유사도를 계산할 수 있게함2) 앞뒤 단어를 고려하여 임베딩을 하기 때문에 단어의 문맥상의 의미까지 정량화된 벡터로 표현 가능one-hot encoding은 희소표현벡터 또는 행렬(mat

SH-ESD 이상치 탐지

정규화(Regularization) 요약