EunGyeongKim

In [4]: import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt from matplotlib import rcParams from matplotlib import font_manager, rc %matplotlib inline In [5]: path = '/usr/local/lib/python3.9/dist-packages/matplotlib/mpl-data/fonts/ttf/DejaVuSansMono.ttf' font_name = font_manager.FontProperties(fname=path).get_name() rc('font', family = font_name) In [6]:..

동일 집단 간 차이 검정 유의성 검정(significant test) 통계에서 나타나는 현상이 우연인지 아니면 실질적인지 밝혀내는 통계적 방법 가설 증명 방법 가설 종류 귀무가설(null hypothesis) 차이가 우연라고 하는 주장 예시) 상자의 평균이 0이다 대립가설(alternative hypothesis) 차이가 실질적이라고 하는 주장 예시) 상자의 평균이 양수이다 증명방법은 모순에 의한 논증법 만약 통계량에 의해 귀무가설이 발생할 확률이 거의 없다는 모순에 도달하면 귀무가설 기각! → 일단 귀무가설이 맞다고 인정한 후, 우리가 가지고 있는 통계량 확인 검정 통계량과 유의수준 귀무가설을 검정하기 위해서는 검정 통계량이 필요 검정 통계량 (z-statistic : z) 자료에서 얻은 통계치와 귀무..

모집단과 표본 주제에 부함되는 모든 자료 조사 불가능 ▶ 표본을 추출하여 분석 모집단(population) : 분석대상이 되는 전체데이터 모수 (parameter): 모집단의 특성을 수치로 나타낸것 알수 없음. 표본으로부터 구한 통계량을 이용하여 모수를 추정하거나 통계량이 모수를 어느정도 반영하고 있는지 검정(test)함. 표본(sample) : 통계처리의 대상이 되는 부분집단 통계량 (statistic) : 표본으로부터 계산할 수 있는 값, 사전적 의미의 확률변수 통계치 : 통계량이 사후적으로 실현된 값, 표본에 따라 모든 통계치가 달라짐. 표본추출 중요 추론(inference) : 표본에서 알아낸 정보를 바탕으로 모집단의 특성을 알아내는 과정 편의 (bias) : 표본과 집단과의 체계적인 차이 대표적..

주가수익률¶ In [1]: !pip install finance-datareader Looking in indexes: https://pypi.org/simple, https://us-python.pkg.dev/colab-wheels/public/simple/ Requirement already satisfied: finance-datareader in /usr/local/lib/python3.9/dist-packages (0.9.50) Requirement already satisfied: requests-file in /usr/local/lib/python3.9/dist-packages (from finance-datareader) (1.5.1) Requirement already satisfied:..

Ref :파이썬으로 배우는 머신러닝의 교과서 곤충의 무게를 분류하는 식. 데이터는 random 으로 만든다. 무게는 $x_n$, 성별을 $t_n$ 으로 나타냄. $t_n$은 0(암컷) 또는 1(수컷)을 갖는 변수 무게를 기초로 성별을 예측 및 분류하는 모델. 더보기 곤충의 무게를 분류하는 식. 데이터는 random 으로 만든다. 무게는 $x_n$, 성별을 $t_n$ 으로 나타냄. $t_n$은 0(암컷) 또는 1(수컷)을 갖는 변수 무게를 기초로 성별을 예측 및 분류하는 모델. import numpy as np import matplotlib.pyplot as plt %matplotlib inline np.random.seed(seed=0) X_min = 0 X_ma..

활성화 함수는 전이 함수라고도 하며 결과값을 내보낼 때 사용하는 함수이다. 이전 layer의 결과값을 변환하여 다른 layer로 전달할때의 값을 계산할때 주로 사용된다. 시그모이드 함수 매끄러운 계단같은 함수. 0에서 1까지 서서히 변하는 함수. 주로 신경망 활성화 함수로 활용됨. 일반적으로 함수 결과값이 0.5보다 크거나 같으면 1로 분류하고, 0.5보다 작으면 0으로 분류함 통계학에서도 로지스틱 분포, 정규 분포, 스튜던트 t분포 등 누적분포 함수로 시그모이드 곡선이 자주 등장함. 시그모이드 함수는 가역함수로, 역은 로짓 함수. 데이터를 단순화 할 수 있는 신경망의 마지막 계층으로 배치되는 경우가 많음. 수식 : $S(x)=\frac{1}{1+e^{-x}}$ import numpy as n..

가우스 함수는 x=0을 중심으로 종 모양을 하고 있다. 가우스 함수는 곡선을 근사하는 기저함수로 사용된다. 가우스 함수의 식의 기본형 식 $$y=exp(-x^2)$$ import numpy as np import matplotlib.pyplot as plt %matplotlib inline def gauss(mu, sigma, a): return a*np.exp(-(x-mu)**2 / sigma **2) x = np.linspace(-4, 4, 100) plt.figure(figsize=(4,4)) plt.plot(x, gauss(0,1,1), 'black', linewidth=3) plt.ylim(-.5, 1.5) plt.xlim(-4,4) plt.grid(True) plt.show() 함수의 중심..

plt.figure(figsize =(10, 2.5)) plt.subplots_adjust(wspace = 0.3) m = [2, 4, 7, 9] for i in range(len(m)): plt.subplot(1, len(m), i+1) w = fit_gauss_func(x, t, m[i]) show_gauss_func(w) plt.plot(x, t, marker ='o', linestyle = "None", color='cornflowerblue', markeredgecolor='black') plt.xlim(x_min, x_max) plt.grid(True) plt.ylim(130, 180) mse = mse_gauss_func(x, t, w) plt.title("m={0:d}, SD={1:.1f}..

기저함수 : '바탕이 되는 함수' 라는 뜻. 선형회귀모델의 x를 기저함수로 대체해 여러 형태의 함수를 만듦 가우스 함수를 기저함수로 선택한 선형 기저 함수 모델 기저함수는 다음과 같이 표기함.ϕ는 그리스어로 '파일'을 뜻함. $${\varphi }_j(x)$$ 기저함수는 여러 세트에서 사용되기 때문에 그 번호를 나타내는 J에는 인덱스가 붙어있음. 가우스 기저함수는 다음과 같음 $${\varphi }_j(x)=exp\{-\frac{(x-{\mu }_j{)}^2}{2s^2}\}$$ 가우스 함수의 중심 위치는 µ_j 임. 함수의 확장 정도는 s로 조절됨. s는 모든 가우스 함수의 공통 매개변수로 함 µ_j , s 는 설계자가 결정하는 매개변수임. import numpy as np import matplotli..

입력이 2차원일 경우 x=(x0, x1)에 확장 1차원일경우 xn은 나이만 의미했지만, 이번에는 몸무게 정보도 사용하여 키를 예측함 사람 체질량 지수가 23이라고 가정하여 데이터를 만듬 $$weight=23\ast \frac{heigh{t}^2}{100}\ast noise$$ 나이를 x0으로, 몸무게 데이터를 x1로 추가함. import numpy as np import matplotlib.pyplot as plt %matplotlib inline #create data x_n = 16 np.random.seed(seed=1) x = 5+25 * np.random.rand(x_n) x0 = x x0_min = 5 x0_max = 30 prm_c = [170, 108, 0.2] # 생성 매개변수 t = prm_c[..