EunGyeongKim

선형기저 함수 모델을 도입하여 오차를 많이 떨어뜨림. 하지만, 30세 이후로는 키가 수렴하지 않음. 그 이유는 30세 주위에 데이터가 충분하지 않았기 때문 그러므로 이에 해당하는 모델을 만들면 됨. x 가 증가함에 따라 키가 점차 증가하고, 결국에는 일정한 값으로 수렴하는 함수를 만들면 됨. $$y(x) = w_0 - w_1 exp(-w_2x)$$ w0, w1, w2는 모두 양의값을 취하는 매개변수. x가 증가하면 y는 w0에 가까워짐. w0은 수렴하는 값을 결정하는 매개변수. w는 그래프의 시작점을 정하는 매개변수, w2 그래프 기울기를 결정하는 매개변수 지금까지 해오던 방법과 동일하게 J값이 최소가 되도록 w0, w1, w2를 구함. $$J = \frac{1}{N}\sum^{N-1}_{n=0}(y_n..

링크 : https://www.boostcourse.org/mo001/lecture/333385 https://www.boostcourse.org/mo001/lecture/333387/?isDesc=false 기본은 정적 타입 언어 컴파일 시 변수의 자료형(type)이 결정되니 안전 정적타입(statically typed)반대는? 정적타입 : C, C++, JAVA, Kotlin,,, 동적타입 : Javascript, python, objective-C, PHP → 동적타입(Dynamically typed) 단, kotlie/JS를 쓸때는 동적타입 지원을 위해 dynamic 제공 자료형(type)을 명시하지 않아도 자료형 추론이 가능 interoperable JAVA와 100% 호환(Kotlin / JV..

이동평균법 이동평균법 : 자신의 과거 값에서 일정한 패턴을 파악하여 자신의 미래값을 예측하는 방법 과거 데이터에 동일한 가중치를 주는 방식 과거 일정기간(N)의 평균을 이용하여 다음시점을 예측하는 방법 기간(N)을 작게하면 이동 평균값에 최근 데이터의 경향이 많이 반영됨. 기간(N)을 크게하면 과거 데이터의 경향을 많이 반영되게 됨 \( L_t = (D_t + D_{t-1} + \cdots + D_{t-N+1})/N \) \( = \frac{1}{N}\sum_{i=t+1-N}^{N}D_i \) 이동평균법은 주가 예측에 빈번히 이용됨 지수평활법 지수평활법 : 현재보다 멀리 떨어진 데이터일수록 낮은 가중치를 주는 방법 초기값( \( L_0 \) ) 이 있을 때 단순 지수평활법에 대한 예측 방법 \( L_0 ..