[LaTex] 레이텍 수식 및 기호 검색 방법 [내부링크]

레이텍으로 문서작업을 하다보면, 초반엔 구글링의 연속인데요.이때 검색시간을 조금 줄여줄 수 있는 아주 ...

[LaTeX] 레이텍 행렬 만들기 [내부링크]

오늘은 레이텍의 여러가지 행렬 만들기 방법에 대해 알아보겠습니다.1. matrix2. array 3. array (수...

[LaTeX] 레이텍 방정식 입력 방법 [내부링크]

오늘은 레이텍의 여러가지 방정식 작성 방법에 대해 알아보겠습니다.먼저 레이텍에서 방정식을 쓰기 위해서...

[LaTeX] 레이텍 수식 옵션 [내부링크]

오늘은 레이텍의 여러가지 수식 옵션들에 대해 알아보겠습니다.1. displaystyle: 기호의 표현 방법을 수...

[LaTeX] 레이텍에 R코드 넣는 방법 [내부링크]

Missing Data (누락 데이터; 결측 데이터) 종류 [내부링크]

Missing Data 란?"누락 데이터" 또는 "결측값"은, 관측된 데이터로부터 어느 변수에 저장된 데이터 값이 없을때를 말한다.데이터에서 결측값은 아주 흔한 경우이다. 그렇다면 어떤 경우에 결측치가 발생하게 될까? 예를 들면 다음과 같다. 1) 측정도구가 없는 경우2) 무응답 at 설문지3) 응답자의 선택편의 4) 설문 디자인의 문제 데이터는 분석 결과에 아주 큰 영향을 주기 때문에, 유효한 결과를 얻기 위해서는 missing values를 처리하는 방법이 필요하다.따라서 가장 먼저 missing data의 구조를 파악하는 것이 중요한데, 이때 체크해야 할 사항은 다음의 3가지가 있다.1. Types of missing data2. Patterns of missin.......

Random Walk Metropolis (Random Walk Chains) [내부링크]

Random Walk Metropolis 알고리즘은 이름에서도 유추할 수 있듯이, Metropolis 알고리즘의 한 일종이다.Random Walk Chains이라고도 불리는 이 알고리즘은, Symmetric한 분포를 더해줘서 새로운 샘플을 제안하는 방법을 이용한다.아래 그림은 랜덤워크 알고리즘의 기본 컨셉이다.error term은 symmetric하고 closed form인 분포여야 한다. 일반적으로는 Normal distribution N(0, σ^2)을 가장 많이 사용한다.여기서 Normal 분포의 표준편차 σ (시그마)는 사용자 마음대로 컨트롤하면 된다. 따라서 Random Walk Metropolis Algorithm은 다음의 스텝들을 반복한다.

부동산 용어 정리 [내부링크]

표준지- 전국 50만 필지공시지가- 국토교통부 장관이 조사 및 평가하여 공시한 토지의 단위 면적당 가격.= 땅값표준지공시지가- 개별 토지 중 대표성이 있는 토지를 선정하고 조사해서 알리는 땅값으로, 표준지의 단위 면적당 가격.- 표준지공시지가 산정을 위해 토지를 조사할 때 통지의 형상을 표현하는 용어: 제형토지/부정형토지/삼각형토지/정방형토지개별공시지가- 표준지공시지가를 이용하여 산정한 개별토지의 단위 면적당 가격. - 개별공시지가 = 가격배율 × 표준지 공시지가시가 = 실거래가- 시장에서 매매되는 가격. 시세 - 어느 일정한 시기에 시장에서 특정하게 형성되는 부동산 가격호가 - 팔거나 사려.......

[기사 스크랩] #1.'거꾸로 가는 아파트 시세'..실거래가 상승, 감정원 시세는 하락 [내부링크]

https://news.v.daum.net/v/20191010112339443

[기사 스크랩] #2. 감정원 집값통계는 ‘네이버 시세’를 졸졸 따라간다? [내부링크]

https://n.news.naver.com/article/056/0010758312

[LaTeX 레이텍] 이공계 논문작성 툴 [내부링크]

LaTeX 이란? 문서 작성 도구의 일종으로, 논문이나 출판물 등의 특수 형식 문서를 작성하는 데 쓰이는 시스템입니다. 간단하게 말해 수식이나 그래프를 많이 그리는 이공계에서 논문작성을 위해 많이 사용하는 문서작업툴이라고 생각하면 됩니다. LaTeX는 "라텍스" 가 아닌 "레이텍" 혹은 "라텍" 이라고 읽습니다. 그리고 레이텍은 mark down 형식으로 작성되기 때문에 git을 사용해본 사람이라면 쉽게 사용할 수 있습니다.레이텍은 프로그램 설치가 따로 필요한데, 아래 사이트를 참고하면 됩니다. 1. http://www.ktug.org/xe/TEX과 관련된 가장 기본적인 사이트입니다. 이 사이트의 가이드를 따라서 엔진과.......

Gibbs Sampler (깁스 샘플링) [내부링크]

Gibbs Sampler (Geman and Geman, 1984)는 MCMC Alogrithm의 특별한 방법 중 하나이다. 즉, Gibbs Sampler 는 Metropolis-Hastings 알고리즘의 특수한 경우라고 볼 수 있다. 그럼 이번 포스팅에서는 깁스 샘플링 방법에 대해 자세히 알아보자.먼저, 우리가 확률변수 X를 d개의 요소로 분해할 수 있다고 가정해 보자.이때, 깁스 샘플러에서 각 요소은 1.무작위(randomly) 또는 2.체계적(systematically)으로 선택되며, 각 샘플은 target density f(x)의 full conditional function에서 새로운 표본으로 업데이트된다.만약 x의 현재 반복 상태가 아래와 같이 주어지면 Gibbs sampler는 다음을 반복해서 Markov Chain을 형성하게 된다.1. Syst.......

Metropolis Algorithm (메트로폴리스 알고리즘) [내부링크]

Metropolis algorithm은 MCMC의 가장 기본이 되는 알고리즘이다.이 알고리즘의 기본 아이디어는 stationary distribution을 target density(목표 분포)로 갖는 Markov Chain을 시뮬레이션하는 것이다.먼저, target density는 샘플링 방법을 모르는 어떤 분포 f(x)로 가정하자.Metropolis algorithm의 첫 단계는, 현재 x^t 가 주어졌을때, symmetric transition kernel T(x*| x^t)에서 샘플 x*를 생성하여 새로운 샘플로 제안을 한다. (⇒ symmetric transition kernel T(x*| x^t)은 proposal density(제안 분포)이다. )이때 아래 그림의 M-ratio에 따라 x*를 Accept 또는 Reject 한다. Accept하면, x^(t+1) = x* 가 되어 새로운 샘플.......

MH-within-Gibbs sampler (Metropolized Gibbs sampler) [내부링크]

MH-within-Gibbs sampler는 Gibbs sampler의 특별한 케이스로,Gibbs sampler에서 각각의 component의 conditional density를 알지 못할때 사용하는 방법이다.

Scan Gibbs Sampling, Blocking, Hamiltonian Monte Carlo [내부링크]

이번 포스팅에서는 Gibbs sampler에서 개선된 다양한 샘플러 방법들에 대해 알아보자.Scan Gibbs Sampling구성 요소에 대한 업데이트 순서가 한주기에서 다음 주기로 변경 될 수 있게 하는 방법이다.이는 각 사이클에서 parameter들 간에 높은 상관 관계가있을 때 효과적인 방법이다.그 이유는, highly correlated parameter가 있으면 각 step에서 정확한 값으로 업데이트를 할 수 없기때문이다.실제로 특정 모델에 대한 전문 지식이없는 경우에 parameter 간에 높은 상관 관계를 발견했다면,Systematic-scan 그리고 Random-scan Gibbs Sampling을 모두 시도하는 것이 좋다.아래 깁스 샘플링에 대한 포스팅을 확인하면 수식이 있어서 더욱.......

Markov Chain (마코프 체인) [내부링크]

Markov Chain 이란? 여러 상태들 (x1,x2,⋯,xt,⋯) 이 있고, xi에서 xj로 이동할 조건부 확률분포 transition distribution T(xj|xi)가 주어져 있어서 매턴마다 이 확률 값에 따라 상태들 사이를 이동하는 것을 말한다. 이는 확률이 정해져 있으므로 “특정조건”을 만족할 때는 일정한 패턴이 나타나게 된다. 예를 들어, “100번 이동했다면 평균적으로 3번은 출발지점에 돌아온다"라는 것과 같다. 또한 마코브 체인은 어떤 지점에서 시작하더라도, 상태 사이를 충분히 많은 횟수 이동하게 되면 각 상태의 방문횟수의 비율이 일정한 값으로 수렴하게 된다. 다시 말해, 상태들의 방문횟수의 비율이 특정 확률분포로 수렴하게 되고 우리는 이.......

MCMC (Markov Chain Monte Carlo) [내부링크]

MCMC(Markov Chain Monte Carlo)는 이름에서 유추할 수 있듯이, Markov Chain 을 이용한 Monte Carlo 방법이다.여기서 Monte Carlo는 간단하게 Simulation이라 생각하면 더욱 이해가 쉽다.즉, MCMC는 우리가 샘플을 얻고자 하는 어떤 목표 확률분포(Target Probability Distribution)로부터 랜덤 샘플을 얻는 방법이다.정확히 말해, MCMC는 목표 분포를 Stationary distribution으로 가지는 마코프 체인을 만드는 과정이다.이 Markov Chain의 simulation은, 즉 MCMC는 초기값에 영향을 받기 때문에 burn-in-time 을 지나고 나면 목표 분포를 따르는 샘플이 생성된다.그럼, 이번 포스팅에서는 MCMC(Markov Chain Monte Carlo)를 이루고 있는 M.......

Metropolis-Hastings Algorithm (메트로폴리스-해스팅스 알고리즘) [내부링크]

Metropolis-Hastings Algorithm MCMC (Markov Chain Monte Carlo)의 방법 중 하나로, Metropolis Algorithm에서 확장된 알고리즘이다.(아래 링크 참고)https://blog.naver.com/jinis_stat/221689768080그리고 대부분의 MCMC Algorithm은 모두 Metropolis-Hastings(MH)의 특별한 경우이거나 MH에서 확장된 알고리즘이다. MH Algorithm은 Metropolis Algorithm과 함께 MCMC에서 가장 기본이 되는 알고리즘이라고 할 수 있다.MH Algorithm은 Hastings (1970)가 transition kernel T(x*| x)가 대칭이 아닌 경우를 위해 Metropolis Algorithm을 확장한 것이다. 여기서 transition kernel 에 대한 유일한 조건은 다음과 같다.이제 MH Algorit.......

[R] "Error: cannot allocate vector of size *** Mb" 해결 / 메모리 문제 해결 방법 [내부링크]

R Studio 에서 대용량 파일(약 5GB)을 읽어들일때 위와 같은 오류가 나타났다.이 에러 메세지는 *** Mb 크기의 벡터 공간을 할당할 수 가 없다는 의미이다.쉽게 말해, 더 이상 메모리 공간이 부족해서 작업 내용을 할당할 수 없다는 뜻이다. R의 특성상 작업한 내용을 메모리에 올려두고 이용하기 때문에 사용하고 있는 하드웨어의 RAM, 즉 메모리가 충분히 필요하다. 그래서 이러한 문제를 해결하기 위해 R에는 메모리 한계치를 높혀 사용할 수 있는, 메모리 사이즈 작업을 위한 함수가 있다.이 함수의 인자나 세부사항에 대한 자세한 내용은 아래 사이트를 참고하면 된다.https://www.rdocumentation.org/packages/utils/versions/3.6.1/.......

Antithetic variates [내부링크]

Variance reduction in Monte Carlo estimatorshttps://en.wikipedia.org/wiki/Antithetic_variates

Control Variates [내부링크]

Variance reduction in Monte Carlo estimatorshttps://en.wikipedia.org/wiki/Control_variates

Sampling Importance Resampling (SIR) [내부링크]

Approximate Simulationhttps://www.page-meeting.org/pdf_assets/7435-SIR_DosneAG_2013.pdf

Sequential Monte Carlo (SMC) [내부링크]

https://www.stats.ox.ac.uk/~doucet/doucet_defreitas_gordon_smcbookintro.pdf

데이터 수집 방법 (Web Scraping; 웹 크롤링) [내부링크]

텍스트 마이닝의 첫 단계는 바로 데이터 수집이다. 때문에, 분석 목적에 맞는 텍스트 데이터를 인터넷에서 직접 수집해야 한다. 이때 사용되는 방법이 웹 크롤링 방법이다.웹 크롤링(Web Crawling) 이란?크롤링은 정확히 말해 크롤러가 동작하는 것을 뜻하며, 크롤러(Crawler)란, 사람처럼 웹에 접속해서 테이터를 받아오는 프로그램을 의미한다.즉, 크롤링은 알고리즘에 의해 인터넷을 탐색하는 프로그램을 말한다.이외에도 크롤링(crawling)을 부르는 용어가 많다. 스크래핑(scraping), 스파이더(spyder), 봇(bot) 등이 있다.페이지를 돌아다니는 행위는 크롤링(Crawling),특정 페이지의 데이터를 수집하는 행위는 스크래핑(Scraping)으로 의.......

[Python] 파이썬을 활용한 웹 크롤러 만들기 [내부링크]

이번 포스팅에서는, 파이썬을 활용해 크롤러를 만들때 사용되는 파이썬 라이브러리에 대해 알아보려고 한다.먼저 크롤러(Crawler)라는 것은, 사람처럼 웹에 접속해서 데이터를 받아오는 프로그램이다. 이를 만들기 위해서는 두가지 모듈이 필요하다.1. 요청 모듈 (request module) : 웹 페이지를 요청하는, HTML 코드 요청 라이브러리. 2. 파싱 모듈 (parsing module) : 요청 결과를 파이썬에서 사용할 수 있는 타입으로 변환하는 라이브러리.다음은 파이썬에서 사용되는 대표적인 두가지 모듈이다.1. "requests" 모듈 : API를 이용할때 주로 사용하는 모듈로, 파이썬에서 웹 데이터를 요청할 수 있는 라이브러리이다. ⇒ HTML 코.......

[Python] 파이썬 크롤링 "403 Forbidden" 오류 해결 방법/ 크롤링 접근 차단 방지 [내부링크]

파이썬으로 크롤링을 하다보면 이유를 알수없는 예상치 못한 오류들이 발생하기도 한다.이때 그 오류가 웹 페이지에서 크롤링을 하지 못하도록 접근 차단을 했기 때문인지 확인하는 방법은 다음과 같다.코드 실행 결과가 다음과 같다면, 해당 웹페이지는 접근 권한이 없기 때문에 크롤링 오류가 발생하는 것이다.* 또한 응답코드가 403인것을 보아, 무언가 금지되어 오류가 난 것임을 알 수 있다.이런 경우에는 일반적인 크롤러 함수를 사용하면 안되고, 몇가지 옵션이나 우회하는 방법을 시도해야 된다. 이때 사용되는 대표적인 오류 해결방법은 headers 옵션을 사용하는 것이다. headers={"User-Agent" : "Mozilla.......

[R] Selected File Too Large 해결 / 대용량 파일 읽는 방법 [내부링크]

R의 기본 함수를 이용해서 약 5.2GB 크기의 대용량 파일을 읽어들이려고 하니 파일 크기가 너무 커서 열지 못한다는 경고 메세지가 떴다.( 또는, 아래와 같이 메모리 공간 부족을 의미하는 오류가 출력 될 것이다. )이런 경우에는 아래와 같이컴퓨터의 최대 메모리 한계치를 증가시킨 다음에, 'data.table' 패키지의 fread 함수를 사용하면 보다 빠르게 파일을 읽을 수 있다.

[R] 기각 샘플링 (Rejection Sampling) 예제 [내부링크]

이번 포스팅에서는 Rejection Sampling 방법을 R로 구현해 보고자 한다. * Rejection Sampling 이란?어떤 특정 함수 f(x)에서 샘플을 얻는 것이 목적이라고 할때, 샘플을 추출 할 함수 f(x)의 분포가 흔히 알고있는 분포가 아니라면 샘플링 하기가 어려워 진다. 이런 경우, 함수 f(x)의 근사 함수인 g(x)를 이용해 f(x)를 모두 덮을 수 있는 또 다른 함수 e(x)를 만들어 이용하면 보다 쉽게 샘플링이 가능하다는 것이 Rejection method 방법의 아이디어이다. (* 기각 샘플링에 대한 자세한 개념은 아래 ↓ 포스팅을 참고하시면 됩니다! )https://blog.naver.com/jinis_stat/221648406160지수분포를 이용해서 정규분포를 따르는 샘플을 추.......

Adaptive Rejection Sampling (적응 기각 샘플링) [내부링크]

저번 포스팅 Squeezing Rejection Sampling에 이어, 기각 샘플링의 다양한 방법 중 하나인 Adaptive Rejection Sampling(ARS) 에 대해 자세히 알아보자.Variants of the Rejection Sampling· Squeezing rejection samplingRejection Sampling(기각 샘플링) 은 일반적으로 기각률이 굉장히 높기 때문에, Target function인 f(x)에서 샘플링하는데에 많은 비용이 든다. 하지만 Squeezing rejection sampling 방법은 기각 영역을 최소화시켜 시뮬레이션 속도를 향상시켜 비용 감소에 도움을 준다.· Adqptive rejection sampling각 샘플링은 매우 유용한 프레임워크이지만 envelope function e(x) 자체를 구하는게 쉽지 않다.Adqptive rejection sa.......

Importance Sampling (중요도 샘플링) [내부링크]

앞서 배운 여러가지 Rejection sampling(기각 샘플링) 방법들의 경우, 샘플 추출시 reject(기각)하는 비율이 굉장히 커서 원하는 크기의 표본을 얻기 위해서는 시간이 오래 걸리는 단점이 존재한다. 이러한 단점을 보완하기 위해 Importance sampling 방법은 기각을 하지않고, 즉 wasted sample(버려지는 샘플)이 없게 표본 추출을 가능하게 만든 방법이다. 여기서 우리의 샘플링 목적을 다시 한번 상기시켜보자.절대 histogram을 그리려고 하는것이 아니다! 샘플링의 가장 큰 목적은, 아래 두가지이다.1. 특정 확률밀도함수의 평균값 계산2. 특정 확률값 계산 다시말해, 우리가 어떤 특정 값의 계산을 위해 샘플링을 한다면, 그 값만 알면 되기.......

텍스트 마이닝(Text Mining) 이란? [내부링크]

텍스트 마이닝이란?텍스트 마이닝을 영어사전 그대로 풀이하면,"문서(Text)의 채굴(Mining)"이다.이를 데이터 분석 관점에서 정의하면, "텍스트 형태의 비정형 데이터로 부터 새로운 고급 정보를 이끌어 내는 과정 (Wikipedia, 2011b)"이라고 할 수 있다.여기서 비정형 데이터란, 웹페이지/ 블로그/ 전자저널/ e-mail 등 전자문서로 된 텍스트 자료를 말한다. 반대로 정형 데이터란,대규모 DB에 축적되어 있는 상품거래/ 서비스 거래/ 전자우편 송수신 기록 등 기록된 자료이다. 이를 다시 정리하면 다음과 같다. 텍스트 마이닝(Text Mining)대규모 텍스트 형태의 비정형 데이터로부터 유용한 정보를 찾는 것. 데.......

Sampling 방법 / Inverse CDF Method [내부링크]

Sampling Methods 앞으로 monte carlo 섹션에서의 포스팅에서는, 샘플링 방법(Sampling Method)에 대해 알아볼 예정이다.들어가기에 앞서 먼저, 샘플링(sampling)이란 무엇일까?간단하게 말해, 샘플링은 어떤 자료에서 일부 값을 추출하는 것을 의미한다. 통계에서의 샘플링은 다른 말로 "표집"이라고 불린다.즉, 샘플링은 모집단에서 표본을 추출하는 일인 것이다.여기서 모집단은 내가 알고 싶어하는 모든 데이터를 의미한다. 하지만 일반적으로 모집단은 매우 크며, 그 모든 값들을 알기는 쉽지 않은 일이다.그렇기 때문에 모집단의 부분집합인 표본을 추출하여 확률모델을 설정하고 모수를 추정하는 것이다.하지만 확률 모.......

Rejection Sampling (기각 샘플링) [내부링크]

https://blog.naver.com/jinis_stat/221648391742샘플링 방법(sampling methods)에 대해 포스팅한 위의 글에서 얘기했던 바와 같이,특정 분포에서 데이터 샘플링을 하기 위해서는확률 변수 X의 pdf로부터 샘플링하는 것이 아니라, Output이 x가 되는 함수를 정의하고 그 함수를 활용해야 된다.그것의 가장 대표적인 방법이 "Inverse CDF"를 활용하는 방법이라고 했는데,세상에는 Inverse CDF를 쓰지 않고도 샘플링을 가능하게 하는 여러 방법론들이 있다.그 방법론 중 가장 대표적인 방법이 바로 "Rejection Sampling"이다. 그럼 이제 기각 샘플링에 대해 자세히 알아보자.Rejection Sampling(기각 샘플링) 이란?어떤.......

Squeezing Rejection Sampling (압축 기각 샘플링) [내부링크]

저번 포스팅(Rejection Sampling; 기각 샘플링)에 이어서, 기각 샘플링의 다양한 방법 중 하나인 Squeezing Rejection Sampling 에 대해 자세히 알아보자.Variants of the Rejection Sampling· Squeezing rejection samplingRejection Sampling(기각 샘플링) 은 일반적으로 기각률이 굉장히 높기 때문에, Target function인 f(x)에서 샘플링하는데에 많은 비용이 든다. 하지만 Squeezing rejection sampling 방법은 기각 영역을 최소화시켜 시뮬레이션 속도를 향상시켜 비용 감소에 도움을 준다. · Adqptive rejection sampling기각 샘플링은 많은 경우 envelope function e(x) 자체를 구하는게 쉽지 않다.Adqptive rejection sampling(ARS)은 Sq.......

통계 대학원 면접 후기 [내부링크]

작년 이맘때쯤 통계 대학원 입시를 준비하며 자소서 쓰고 필기시험 준비로 굉장히 바쁘고 불안했던 기억이 떠오르네요.ㅎㅎ 별거 아니지만, 요즘 통계 대학원 준비하시는 분들이 많은 것 같아 조금이나마 도움이 되고자 면접 후기 공유합니다.1. 연세대학교 응용통계학과- 필기 시험 x / 서류전형 1차 합격자만 면접진행- 면접 : 교수님 3분, 학생 1명 (약 10분간 진행)- 면접 질문 1) Likelihood function(우도함수) 정의는?2) MLE가 가장 좋은 이유와 중요한 성질은 무엇인가?3) Random Variable(확률변수)의 정의는?4) Central Limit Theorem(중심극한정리)의 정의는?⇒ 총 후기.· 1차 서류 합격자는 지원자 약 100명 중 40명 정도.( 20.......

[R] 지수분포의 난수 생성기 (Inverse CDF method) 예제 [내부링크]

* 저번 포스팅인 "Sampling Methods / Inverse CDF Method"를 참고하여 읽으시면 보다 이해가 쉽습니다!https://blog.naver.com/jinis_stat/221648391742지수분포를 따르는 난수 생성기R program안에 지수분포를 따르는 난수 생성기(rexp())가 없다고 가정해 보자.이때, 지수분포를 따르는 난수를 생성하고 싶다면 아래와 같은 단계로 난수 생성기를 만들 수 있다.난수 생성기를 만들기 위해서, 먼저 지수분포의 확률밀도함수(pdf)를 이용하여 누적분포함수(cdf)를 구한다. 그 다음으로, 누적분포함수의 역함수를 구하기위해 계산한 누적분포함수를 U(uniform dist)로 두고 확률변수 X에 대하여 정리하면 된다.쉽게말해, 위의 계산.......

딥 러닝 vs 머신 러닝 vs 인공지능의 차이점 [내부링크]

인공지능이 나머지 두 개념을 아우르는 가장 큰 개념이며, 딥러닝이 그에 속하는 가장 작은 개념이다.덧붙여 머신러닝이나 딥러닝은 모두 학습 모델을 제공한 다음, 데이터를 분류하는 데에 사용되는 기술이다. 인공 지능 (Artificial Intelligence) 인간의 지능을 기계 또는 시스템으로 구현‘인공지능’이라는 용어 그대로 인간이 지닌 지적 능력을 인공적으로 구현한 것들 모두 인공지능에 포함하여 말한다.머신 러닝 (Machine Learning)인공 지능을 구현하는 구체적인 접근 방식기계 학습은 기계가 직접 데이터를 학습함으로써 그 속에 숨겨진 일련의 규칙성을 찾는것이다.머신러닝의 경우 주어진 소재를 우선 인간이 먼저 처리한다. 이.......

[R] 감마분포의 난수 생성기 (Inverse CDF method) 예제 [내부링크]

* 저번 포스팅에서 구현한 "지수분포의 난수생성기"를 참고하여 읽으시면 보다 이해가 쉽습니다!감마분포를 따르는 난수 생성기R program안에 감마분포를 따르는 난수생성 함수( rgamma() )가 없다고 가정할 때, 감마분포를 따르는 난수를 생성해 보려고 한다.감마 분포의 난수 생성기는 지수분포의 난수 생성기를 이용하면 아주 간단하게 구현이 가능하다.아래 감마분포의 대의적 정의를 보면, 감마분포는 지수분포의 확장으로 다음과 같이 정의된다. 이제 감마분포의 대의적 정의와 균등 분포의 보편성(Universality of Uniform)을 이용하여 감마분포의 난수생성기를 만들어 보자!우리는 난수생성기를 만들기 위해서 확률.......

모두를 위한 머신러닝과 딥러닝 강의 [내부링크]

안녕하세요?요즘 딥러닝 공부에 푹 빠져서 열심히 듣고 있는 아주 좋은 강의가 있어 공유해드리려고 합니다!이미 많은 분들이 알고 계신 유명한 강의이긴 하지만...! 그래도, 모르는 사람이 없도록 홍보하고 싶은 마음에 글을 쓰게 되었습니다.^0^강의 주제는 포스팅 제목과 같이 "머신러닝과 딥러닝" 입니다.머신러닝과 딥러닝 분야에서 정말 유명하신 홍콩 과기대 김성훈 교수님의 유튜브 강의이며,수학이나 컴퓨터 공학 지식 없이도 볼 수 있고 Tensor Flow 입문자도 쉽게 따라 배울 수 있는 강의 입니다.강의자료와 동영상은 아래 공식 홈페이지와 유투브에서 확인하실 수 있습니다!* 공식 홈페이지https://hunkim.g.......