일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
- entity
- 오픈소스해커톤
- kakao
- re:Invent
- CSIP
- 해커톤
- SW중심대학
- gcp
- Community Day
- GDG Campus
- Ground Truth
- BOAZ
- 구글스타트업캠퍼스
- Conference
- ainize
- Speech
- SageMaker
- Tensorflow 2.0
- aws
- API
- 코딩테스트
- Qwik Start
- Backend.AI
- rl
- seq2seq
- Open Hack
- 머신러닝
- 스터디 잼
- OPENHACK
- 뉴비톤
- Today
- Total
목록Univ./Pattern Recognition lecture (15)
pizzaplanet
만약 A, B가 모두 독립적이라면 P(A,B)=P(A)P(B)가 성립이 된다. 이러한 독립성을 이용하면 P(A|B)=P(A), P(B|A)=P(B)가 성립이 된다. 다시 질병과 증상을 예로 든다면, 헛구역질 하는 것과 감기에 걸린 것인지와는 연관성이 없기 때문에 위의 식이 성립이 된다. 또한 P(A|B,C)=P(A|C)도 성립이 된다. 예를 들면 P(젖은잔디|계절,비)=P(젖은잔디|비)가 성립이 되는 것. 잔디는 비때문에 젖는 것이지 계절때문에 젖는게 아니기 때문. 여름의 장마철이라 젖는다고 주장 해도 결과적으로 장마의 비때문에 젖는 것이다.
앞 포스팅서 배웠던 Conditional (Posterior) Probability를 예제를 통해 좀 더 알아보자. 이때 식을 참고하자. 이 식 또한 베이즈 정리에서 나온 식이다. 조건- Meningitis(뇌수막염)은 50% 확률로 stiff neck(목 뻣뻣해짐)를 유발한다. P(S|M)=0.5- 전체 인구 중 뇌수막염 환자의 비율은 1/50000, P(M)=1/50000- 전체 인구 중 목이 뻣뻣한 환자의 비율은 1/20, P(S)=1/20 이때 목경화 환자가 뇌수막염일 확률은?위의 식을 그대로 대입하면 된다.
Why Bother About Probabilities? - 측정의 모호함 때문에 불확실성에 대한 해석은 의사결정하는데에 있어 중요한 요소가 된다.- 확률이론은 불확실성을 설명하기 위한 적절한 메커니즘이다.- 사전지식을 고려해야 한다. 예를 들면 대서양에서 낚시를 한다면 농어보다 연어가 잡힐 확률이 높다라는 것. Definitions Random experiment- 결과가 확실치 않은 실험들 (e.g. 주사위 던지기)Outcome- Random experiment의 결과Sample space- Outcome의 집합 (e.g. {1,2,3,4,5,6})Event- Sample space의 부분집합 (e.g. 주사위를 던져 홀수가 나올 경우 = {1,3,5}) Intuitive Formulation of ..
Orthogonal vectors으로 이루어진 벡터가 아래의 조건을 가진다면 orthogonal vectors이다. Orthonormal vectors으로 이루어진 벡터가 아래의 조건을 가진다면 Orthonormal vectors이다.
N차원 벡터 V N차원 벡터 V를 아래와 같이 나타 낼 수 있다. 이 v의 transpose 는 아래와 같이 나타 낼 수 있다. 벡터의 곱두개의 벡터 AND 가 주어질때 두 벡터의 곱은 아래와 같다.
Pattern Recognition System Data Acquisition and Sensing- 물리적인 변수를 측정(거리 측정, 음성 데이터 감지 등)- 해상도, 감도, 왜곡, 노이즈 등의 이슈 존재 Pre-processing - 전체 데이터에서 노이즈(이상치 등) 제거 Feature Extraction- 전처리(Pre-processing)한 데이터에서 feature 추출 Model Learning - AI Model(seq2seq, tree boosting, etc)에 feature 집어넣어 input(feature)와 outcome(classes 혹은 categories)간의 맵핑을 학습 Classification- 학습된 model을 사용하여 input 된 feature를 특정 class로 ..
학교에서 듣는 패턴인식에 대하여 정리를 해나가고자 한다. What is a Pattern? 패턴이란? 패턴이란 [ 정렬된 or 모호하게 정의 된 ] 것들로 물리적 오브젝트를 설명하는 추상적 객체로 볼 수 있다. 예> 지문, 손글씨, 안면, 음성, DNA 서열 등[ Examples of Patterns ] What is Pattern Recognition? 패턴 인식이란? 패턴인식은 머신이 아래의 각 사항들을 할 수 있는 방법에 대한 것이다.- 환경 관찰- 관심 있는 패턴 구분- 패턴 카테고리를 합리적으로 결정- 오브젝트를 범주 또는 클래스로 분류 Pattern Recognition Applications패턴 인식 어플리케이션 예를 들어 의학분야에서는 Input 데이터로 영상이미지를 사용하여 분류 결과가 ..