본문 바로가기

반응형

분류 전체보기

(291)
통계학 통계학 표본을 통해 전체 모지단의 모습을 예측하고, 표본이 모집단과 얼마나 일치하는지를 파악해 표본을 통해 모집단의 특성(평균, 분산)을 파악하는 것 통계 분석의 목적은 표본과 모집단 또는 모집단과 모집단 간의 '차이 검정'과 데이터를 구성하는 요소와 요소 간의 '인과 관계를 파악하는 것' 통계 분석의 기법 차이 검정을 위해 개발된 기법: T-test, Paired T-test, ANOVA, MANOVA, Chi-square, 프리드만 검정, 윌콕스 검정, 비율 검정, 부호 검정, Sign test 인과 관계를 위해 개발된 기법: 상관 분석, 회귀 분석, 로지스틱 회귀 분석, 구조 방정식 모형 통계학의 종류 기술 통계: 관측을 통해 얻은 데이터에서 그 데이터의 특징을 뽑아 내는 기술 추리 통계: 전체를 ..
함수 최적화 4-1 함수 최적화의 개념 두 변수를 선택해 산포도를 그린 후 두 변수의 관계를 분석하고, 둘의 관계를 설명할 수 있는 모델을 구함으로써 미래를 예측하는 것 변수의 상황 선형 상황: 변수의 산포도가 직선의 형태일 때 두 변수의 관계를 선형 함수로 나타낼 수 있음 비선형 상황: 변수의 산포도가 직선의 형태로 보이지 않을 때 두 변수의 관계를 비선형 문제라고 함 유사도 변수의 쌍이 얼마나 유사한지를 추측하는 과정 중 사용하는 개념 측정 기준 코사인 유사도 상관 계수 상관 함수 편집 거리 레벤슈타인 거리 해밍 거리 유클리드 거리, 마할라노비스 거리, 자카드 계수 4-2 회귀 분석 주어진 데이터를 바탕으로 이를 가장 잘 설명할 수 있는 함수(모형)를 만들고, 이를 이용해 예측하는 것 잔차(Residual): 예..
탐색과 최적화 기법 (3) 3-5 게임 탐색 게임의 참가자가 이기기 위해 매순간 최선의 방법을 찾는 것을 모방한 것 미니맥스 알파베타 가지치기 자신의 순서에서 최댓값을 선택하고, 상대방의 순서에서 최솟값을 선정하는 과정을 반복적으로 수행하는 것 알파 컷오프: 최소 점수를 선택하면서 이미 저장된 점수보다 큰 점수의 노드가 나오면 제외하는 것 베타 컷오프: 최대 점수를 선택하면서 이미 저장된 점수보다 작은 점수의 노드가 나오면 제외하는 것 몬테카를로 트리 탐색 몬테카를로: 무작위(Random)라는 의미를 가짐 플레이아웃(Playout): 현상태에서 게임 종료 시까지 무작위 플레이를 수행하는 것 시뮬레이션 알파고와 같은 프로그램에서 사용 3-6 제약 조건 만족 문제 주어진 제약 조건을 만족하는 해를 찾는 것 Constant Satisf..
탐색과 최적화 기법 (2) 3-4 정보 이용 탐색 상태 공간에 대한 정보를 이용해 효율을 높이는 탐색 휴리스틱 탐색(Heuristic Search) 언덕 오르기 방법 탐욕 알고리즘(Greedy Algorithm) 현상태를 바탕으로 연결된 이웃 상태만을 고려하므로 지역 탐색(Local Search) 휴리스틱을 사용 가장 좋은 것을 선택 최상우선 탐색 언덕 오르기 방법이 최곳값을 찾아 내지 못하는 단점을 극복하고자 개발된 방법 탐색 과정 1단계: 시작점에서 인접한 노드 중 가장 큰 값을 선택 2단계: 선택된 큰 값에 인접한 노드와 앞서 선택한 노드들 중 가장 큰 값을 선택 3단계: 선택된 큰 값에 인접한 노드와 앞서 선택한 노드들 중 가장 큰 값을 선택 4단계: 선택된 큰 값에 인접한 노드와 앞서 선택한 노드들 중 가장 큰 값을 선택..
탐색과 최적화 기법 (1) 3-1 상태 공간과 탐색 탐색 상태의 변화를 통해 문제의 해를 찾는 과정 상태 공간과 탐색의 중요 개념 상태 공간(State Space): 문제의 초기 상태부터 도달할 수 있는 모든 상태의 집합 또는 문제의 해가 될 가능성이 있는 상태들의 집합 탐색으로 해 구하기: 상태 공간을 체계적으로 탐색해 목표 상태에 도달하게 하는 일련의 동작을 찾거나 문제의 해가 되는 상태 자체를 찾는 것 상태 공간 그래프: 변하는 상태를 표현한 그래프 상태 공간 그래프의 예 3-2 탐색의 종류 맹목적 탐색(Blind Search) 문제의 상태 공간 정보를 이용하지 않고 정해진 순서에 따라 상태 공간 그래프를 생성하면서 순서대로 모든 경우를 탐색해 해를 찾는 것 깊이우선 탐색(Depth-First Search, DFS) 너비우선..
오토마톤과 인공 생명 프로그램 2-1 인공 생명 인공 생명의 정의 인공 생명(Artificial Life, ALife): 생명 현상의 재창조 또는 모방을 통해 생명을 연구하는 학문 약한 인공 생명 / 강한 인공 생명 인공 생명의 특성 복잡계(Complex System) 창발성(Emergent) 자기 조직(Self-Organizing) 카오스 이론(Chaos Theory) 인공 생명 관련 연구 주제 유한 상태 기계(Finite State Machine) 셀 오토마톤(Cellular Automaton) 유전 알고리즘(Genetic Algorithm) 보이드(Boid) 컴퓨터 바이러스(Computer Virus) 인공 생명의 활용 분야 생명의 기원과 생명체에 대한 더 나은 이해를 얻음 인공지능에 대한 접근 방식 주식 시장, 날씨 예측과 같..
지식 표현과 추론 1-1 지식의 정의 및 표현 방법 인간의 지능은 데이터, 정보 지식, 지혜로 분류 데이터(Data): 외부에서 접근할 수 있는 형태로 만들어진 자료 정보(Information): 필요한 시기에 제공되는 데이터 지식(Knowledge): 정보 + 경험 지혜(Wiseness): 지식이 유용하게 사용되는 것 1-2 규칙 규칙의 정의 조건적인 지식을 표현한 If-Then 형태의 문장 조건부(Conditional) / 결론부(Consequent) 규칙 표현의 종류 인과 관계에 대한 지식의 표현 추천 관계에 대한 지식의 표현 전략 관계에 대한 지식의 표현 휴리스틱(Heuristic) 관계에 대한 지식의 표현 규칙은 프로그램 언어와 밀접한 관계가 있어, 대부분 쉽게 표현 가능 규칙의 개수가 증가하면 성능이 느려지는 ..
인공지능의 연구 분야 2-1 요소 기술 탐색(search) 문제의 답이 될 수 있는 것들의 집합을 공간으로 간주하고, 문제에 대한 최적해를 찾기 위해 공간을 체계적으로 찾는 것 지식 표현(Knowledge Representation) 컴퓨터를 이용해 문제를 해결하거나 심층적인 추론에 사용할 수 있도록 인간의 지식을 효과적으로 표현하는 방법 추론(Inference) 가정(Hypothesis)이나 전제(Premise)로 부터 결론을 도출하는 것 전향 추론 / 후향 추론 학습(Learning) 경험을 통해 같은 문제나 유사한 문제를 더 잘 해결할 수 있도록 시스템의 구조나 파라미터를 바꾸는 것 지도 학습 / 비지도 학습 / 강화 학습 딥러닝 인공 신경망을 활용하는 개념으로, 여러 계층의 신경망을 구성해 학습을 효과적으로 수행하는 ..
인공지능의 소개 1.1 정의 지능 : 본능이나 기계적인 반복 처리를 하지 않은 상태에서 생각하고 이해해 의식적으로 어떤 것을 하는 능력 인공지능 정의 인간처럼 사고하기(Thinking Humanly) 합리적으로 사고하기(Thinking Rationally) 인간처럼 행동하기(Acting Humanly) 합리적으로 행동하기(Acting Rationally) 인공지능: 가장 큰 범위를 포괄하는 개념 기계학습: 컴퓨터가 데이터를 통해 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 것 (지도학습, 비지도학습, 강화학습) 인공신경망: 인공 뉴런(퍼셉트론)이 학습을 통해 시냅스의 결함 세기(가중치)를 변화시켜 문제 해결 능력을 갖추는 모델을 총칭하는 개념 딥러닝: 인공신경망을 '복합적으로', '깊게', '넓게' 쌓아 학습을 수..
16장 데이터를 추출하는 다양한 방법 (3) 16-3 df.iloc[] 이용하기 인덱스 번호를 지정해 행 추출하기 # 0행 추출 df.iloc[0] """ id 1 nclass 1 math 50 english 98 science 50 Name: 0, dtype: int64 """ # 2행 추출 df.iloc[2] """ id 3 nclass 1 math 45 english 86 science 78 Name: 2, dtype: int64 """ 행이 1개일 때 데이터 프레임 자료 구조 유지하기 # 시리즈로 추출 df.iloc[0] """ id 1 nclass 1 math 50 english 98 science 50 Name: 0, dtype: int64 """ # 데이터 프레임으로 추출 df.iloc[[0]] 여러 행 추출하기 # 1, 3, 5행 추..

반응형