codingfarm

2장 내용 정리 $\circ$ 관찰된 샘플에서 특징벡터 $X$를 추출한다. $\circ $ $X$는 제일 그럴듯한 부류로 분류되어야 하며, 분류기준은 사후확률 $P(w_i|X)$(posterior probability)로 정의한다. 즉, 사후확률이 제일 큰 부류로 인식하면 된다. $\displaystyle \underset{i}{argmax}\;P(w_i|X)$ $\circ$ 하지만 $P(w_i|X)$는 추정이 거의 불가능하다. 따라서 베이스정리를 이용해 사후확률을 사전확률(prior probability) $p(W_i)$와 우도(likehood) $P(X|w_i)$의 곱으로 대치해서 계산한다. $\circ$ 2장에서 사전학률과 우도를 미리 알고있다 가정하고 베이시언 분류기를 만들었으나, 3장에서는 이득..

애니메이션 관리를 효율적으로 하기위한 사실상 기초적인 뷰 셋팅 i키를 눌러 insert keyframe menu를 연다. properties 창의 scene 카테고리에서 애니메이션의 프레임을 조절 할 수 있다.

https://www.statisticshowto.com/tables/binomial-distribution-table/#100

어떤 사건들이 베르누이 시행으로 $n$번 발생되며 성공확률이 $p$일 경우 확률 변수 $x$를 성공 횟수로 두면 $x$는 이항분포를 따르며 아래의 개념들이 성립한다. $$f(x)={}_n C_x p^x(1-p)^{n-x}$$ $$\mu = np$$ $$\sigma^2 = npq$$ 베르누이 실험(bernoulli experiment) $\circ \;$ 실험의 결과가 상호배타적이고 전체를 포괄하는 두 결과중 하나로 나타내는 확률실험 ex) 하나의 동전을 던져 앞면과 뒷면을 관찰하는 실험, 남$\cdot$여로 구별되는 신생아의 성별, 양$\cdot$부량 으로 판정되는 품질검사 $\circ \;$성공확률을 $p$, 실패확률을 $q$로 두면 $q=1-p$이고 베르누이 실험이 시행때마다 성공의 확률 $p$가 같..