목록Deep Learning/Theory (1)
JuHyang
머신러닝에서의 확률 분포, 랜덤 변수 그리고 Maximum Likelihood
우리는 왜 확률을 배우는가? 머신 러닝의 정의는, 관측된 Data (Training Sample)로부터 Model을 설계하는것이다. 확률적 개념이 들어간다면, 관측된 Data는 진짜 Data가 아니라 진짜 Data로부터 Random하게 Smapling된 Data일 뿐이다. 진짜 Data는 무한하며, 연속적이다. 진짜 Data가 관측된 Data로 오기 위해서는 Sampling이; 필요하다. 즉, 관측된 Data는 임의의 확률 분표(=진짜 Data 분포)에서 Sampling 된 것이라고 가정한다. 이것이 우리가 확률을 배우는 이유이다. 그리고 많은 알고리즘에서 확률 모델을 사용한다. Deep Learning (Cross Entropy) ... 어떠한 확률 분포가 있을지 생각을 해보면, 데이터 자체의 분포 (..
Deep Learning/Theory
2019. 7. 15. 14:25