| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 | 29 |
| 30 | 31 |
- 미적분 #평균값 정리 #로피탈의 정리 #접선의 방정식
- Media Mix Modeling
- 미적분 #사인과 코사인의 도함수
- bayesian inference
- mmm
- lightweightmmm
- Optimization
- 미적분 #접선의 방정식 #최적화 #뉴턴법 #뉴턴-랩슨법
- bayesian
- Marketing Mix Modeling
- 수리통계
- 프로그래머를 위한 선형대수 #선형대수 #행렬계산
- 프로그래머를 위한 선형대수 #선형대수 #고유값 #고유벡터 #고유분해
- 미적분
- 프로그래머를 위한 선형대수 #선형대수 #고유분해 #고윳값 #고유벡터
- 프로그래머를 위한 선형대수 #선형대수 #고유값 #고유벡터 #야코비 회전법 #QR법 #하우스홀더반사 #행렬회전
- 프로그래머를 위한 선형대수 #선형대수 #LU분해
- 시계열분석 #Time-Series Analysis #이상탐지 #Anomaly Detection #Spectral Residual #CNN #SR-CNN
- Today
- Total
목록2023/07/13 (2)
문과생 네버랜드의 데이터 창고
노름이란? 1) 벡터 공간에서 정의되는 함수로, 벡터의 성질을 어떤 실수(Real Number)로 변환하는 함수를 의미한다. ${(1)}$ 예를 들어, 유클리드 공간에서 정의되는 L2-Norm은 벡터의 직선 크기를 의미한다. L2 Norm의 예시 3차원 공간에서 정의된 벡터 X에 대해 '최단 거리 크기'를 알고 싶다면 L2 Norm을 사용한다. 그 크기는 0보다 큰 실수인 $\sqrt{3}$이다. 2) 엄밀한 수학적 정의는 다음과 같이 내릴 수 있다. 벡터 공간 V에서, Norm X는 $X \rightarrow \mathbb{R}^{1}$을 수행하는 실함수(real-valued Function)이다. Norm 함수를 p라고 할때, Norm은 다음의 세가지 조건을 만족해야한다 -. 삼각 부등식 : 모든 $..
중심극한정리의 다변량 확장 1) 단변량에서 중심극한정리를 살펴보았다. -. 한편, 단변량 정규분포가 존재하는가 하면, 이를 다변량에 대하여 일반화한 다변량 정규분포 또한 존재하였다. -. 마찬가지의 논리로, 단변량 중심극한정리를 다변량에 적용하는것도 가능하다. 2) 다변량 확장을 위해 알아야 하는 사실들 ${(1)}$ L2 Norm -. 벡터의 크기를 측정 가능하도록 하는 측도 -. 벡터 $v \in R^{n}$에 대하여 v의 L2 Norm은 다음과 같이 정의할 수 있다. $$ ||v|| = \sqrt{\sum_{i = 1}^{n} v_{i}^{2}} $$ -. 이 때, $v_{i}$는 벡터 v의 $1,\dots,n$ 번째 요소이다 ${(2)}$ 다음의 경우는 단변량에서의 정리가 다변량에서도 공통적으로 ..