총 10개
-
베이지안 네트워크 이용해서 잔디가 젖어있는 원인 추정하기2025.01.171. 베이지안 네트워크 베이지안 네트워크는 확률적 모델을 기반으로 사건 간의 의존 관계를 표현하는 도구입니다. 이를 통해 복잡한 문제를 구조적으로 분석하고 예측할 수 있습니다. 이 예제에서는 베이지안 네트워크를 사용하여 비가 오는지, 스프링클러가 작동하는지, 그리고 잔디가 젖는지에 대한 관계를 모델링하고 있습니다. 2. 조건부 확률 베이지안 네트워크에서는 각 변수 간의 의존 관계를 나타내기 위해 조건부 확률 분포를 사용합니다. 이를 통해 주어진 조건하에서 특정 사건이 발생할 확률을 계산할 수 있습니다. 이 예제에서는 비의 발생 확률...2025.01.17
-
세상을 바꾸는 아름다운 수학 레포트 A+2025.04.301. 베이즈의 정리 베이즈 토마스 베이즈는 잉글랜드의 장로교 목사로, 신학 논문과 수학 논문을 발표했다. 베이즈 정리는 조건부 확률의 개념을 바탕으로 새로운 정보를 이용하여 사전 확률을 개선하는 방법을 제공한다. 베이즈 정리는 원인과 결과의 순서를 역으로 계산하여 사후 확률을 추정할 수 있다. 2. 베이지안의 추론 베이지안 추론은 사전 확률과 새로운 증거를 토대로 사후 확률을 추론하는 방법이다. 동전 던지기 실험을 통해 사전 확률과 사후 확률의 변화를 보여주며, 데이터가 충분할 경우 서로 다른 사전 확률에서 시작해도 동일한 사후 확...2025.04.30
-
MCMC를 활용한 베이지안 추론 - 동전 던지기 문제의 확률 추정 (파이썬예제풀이 포함)2025.05.091. MCMC(Markov Chain Monte Carlo) MCMC는 머신러닝과 통계학 분야에서 중요한 역할을 하는 AI(인공지능) 기법 중 하나입니다. MCMC는 복잡한 확률분포를 추정하거나 샘플링하기 위해 사용되며, 특히 베이지안 추론과 관련된 문제에 유용하게 적용됩니다. MCMC는 몬테카를로(Monte Carlo) 방법과 마코프 체인(Markov Chain)을 결합한 알고리즘으로, 마코프 체인을 이용하여 탐색 공간을 효과적으로 탐색하고 샘플링을 수행합니다. 2. 동전 던지기 문제 동전 던지기 문제는 간단하면서도 직관적인 문제...2025.05.09
-
평가 데이터를 활용하여 기존 모델을 업데이트하는 베이지안 추론 (파이썬코드 예제포함)2025.05.091. 베이지안 추론 베이지안 추론은 데이터를 통해 모델을 업데이트하고 불확실성을 다루는데 유용한 통계적 추론 방법입니다. 특히, 새로운 데이터가 주어진 상황에서 모델의 파라미터를 추정하고 예측하기 위해 사용됩니다. 베이지안 추론은 사전 분포와 관측 데이터를 조합하여 사후 분포를 계산하며, 이를 통해 모델의 불확실성을 업데이트할 수 있습니다. 2. 모델 업데이트 데이터에 대한 정보를 사전 분포에 반영하고, 관측 데이터와 사전 분포를 조합하여 사후 분포를 계산함으로써 신뢰할 수 있는 결과를 얻을 수 있습니다. 이를 통해 기존 모델을 새...2025.05.09
-
최대 우도 추정을 통한 확률 모델의 매개변수 추정2025.05.081. 최대 우도 추정(Maximum Likelihood Estimation, MLE) 최대 우도 추정은 주어진 데이터를 가장 잘 설명하는 모델의 매개변수 값을 찾는 과정으로, 우도 함수를 최대화하는 매개변수 값을 추정합니다. 이 방법은 데이터가 주어진 상황에서 가장 가능성이 높은 모델의 매개변수를 선택함으로써 최적의 예측을 수행하는데 도움을 줍니다. 2. 확률 모델링 확률 모델링은 다양한 분야에서 데이터 분석과 예측에 핵심적인 역할을 하고 있습니다. 데이터로부터 모델의 매개변수를 추정하는 과정은 모델의 정확성과 신뢰성을 높이는 데 ...2025.05.08
-
머신러닝과 수율 영향인자 분석하기2025.05.101. 수율 영향 요소 제조 과정에서 수율에 영향을 미치는 주요 요소로는 원자재 품질, 공정 설계 및 제어, 장비 및 기술, 작업자의 기술과 교육, 품질 관리 시스템, 환경 조건 등이 있습니다. 이러한 요소들은 제조 산업의 특성과 제품에 따라 다를 수 있지만, 일반적으로 수율 향상을 위해서는 이러한 요소들을 관리하고 최적화하는 것이 중요합니다. 2. 머신러닝을 활용한 수율 영향성 분석 머신러닝을 활용하여 수율 영향성을 분석하기 위해서는 데이터 수집, 전처리, 특성 선택 및 추출, 모델 구축, 학습 및 평가, 결과 해석 등의 단계를 거...2025.05.10
-
머신러닝에서의 불확실성2025.05.111. 데이터 불확실성 데이터의 일부 샘플에 레이블이 없거나 부정확한 경우, 데이터에 잡음이나 이상치가 포함되어 있거나, 데이터가 불완전한 경우 등 데이터 불확실성이 발생할 수 있습니다. 이는 모델이 정확한 예측을 하기 어렵게 만듭니다. 2. 모델 불확실성 모델이 복잡할수록 과적합될 가능성이 높아져 일반화 능력이 감소하고, 모델의 파라미터 값이 정확하게 알려지지 않는 경우 예측의 불확실성이 증가할 수 있습니다. 3. 환경 불확실성 데이터의 분포가 시간에 따라 변하거나 외부 요인이 발생하는 경우, 모델이 이러한 변동성을 정확하게 모델링...2025.05.11
-
메타분석의 개념과 특징2025.04.291. 메타분석의 개념 메타분석은 전체 연구 결과에 대한 양적인 요약을 제공하는 통계적 검증기술로, 더 정확한 중재 효과에 대한 결정의 가능성을 제공하여 관련된 연구 분야에 걸쳐 통계적인 추정치를 제공한다. 메타분석은 분석들의 분석(analysis of analysis)으로 개별 연구의 결과를 통합할 목적으로 통계적 방법을 사용하여 분석하는 것을 말한다. 2. 메타분석의 특징 메타분석의 특징은 첫째, 수량적이고, 둘째, 효과크기를 계산하기 위하여 서로 상이한 연구들이 한 데 모아지게 되며, 셋째, 이러한 메타분석을 통해 일반적인 결론...2025.04.29
-
딥러닝의 통계적 이해 출석 수업 과제물 (2023, 만점)2025.01.241. Teachable Machine을 이용한 머신러닝 모델 구축 Teachable Machine을 활용하여 이미지를 학습시켰다. 사용한 이미지는 구글 이미지에서 '귀멸의 칼날'이라는 애니메이션의 주인공 4명의 다른 사진들을 각각 10장씩 찾은 뒤 머신러닝의 입력값으로 사용하였다. 본 머신러닝으로 실제로 가지고 있는 피규어 사진을 찍어 이 사진을 입력하면 애니메이션 캐릭터를 정확하게 분류할 수 있는지 파악하고자 하였다. 다양한 하이퍼파라미터 조정을 통해 최적의 정확도를 얻고자 하였으나, 설정에 따른 결과 비교를 대량으로 진행하여 거...2025.01.24
-
전문가 시스템의 제약사항2025.05.061. 지식 표현의 한계 전문가의 지식을 정확하고 효과적으로 표현하기 어려운 것이 전문가 시스템의 제약사항 중 하나입니다. 전문가의 지식은 복잡하고 추상적인 경우가 많아, 이를 표현하기 위한 지식 표현 방법이 제한적입니다. 2. 지식 취득의 어려움 전문가 시스템을 구현하기 위해서는 전문가의 지식을 수집하고 분석해야 합니다. 그러나 전문가의 지식을 수집하기 위해서는 전문가와의 인터뷰, 문서 분석 등 많은 시간과 비용이 소요됩니다. 3. 추론의 한계 전문가 시스템이 전문가와 동일한 추론을 수행하지 못한다는 것이 제약사항입니다. 전문가는 ...2025.05.06