분류 전체보기

Chapter 3. Data preprocessing이란?

Aggregation Sampling Dimensionality Reduction Feature Subset Selection Feature Creation Discretization and Binarization Attribute Transformation Aggreation이란? 두개 혹은 세개 이상의 Attribute, Object들을 결합하여 하나의 Attribute, Object를 만드는 것이다. 목적 Data reduction : Attributes, Objects의 수를 줄일 수 있다. Change of scale : 규모를 변경하는데, 도시들을 지역이나 나라로 혹은 일을 주, 월, 년으로 수정한다. More Stable data : 변동성이 적은 데이터로 만들 수 있다. Sampling이란..

Chapter 2. Data 타입이란? Missing value란? Outliers란? (Data Mining)

Data 란? 데이터 객체들과 그들의 Attributes-속성들의 수집 형태. Attribute 란? 한 객체의 속성이나 특성. 또한 Attribute 는 variable, field, characteristic, feature로도 알려져있다. 여러 개의 Attribute가 하나의 객체를 묘사, 설명한다. 즉 하나의 객체는 여러개의 Attribute로 구성되어 있다. Example : Eye color, Temperature Measurements 란? 규칙이나 함수로써 값들을 Attribute로 할당하는 방법이다. Mearsurement 자체가 각각 Attributes의 속성들을 모두 만족, 매칭시키지 않으며 각 상황, 조건 등에 의해 다양한 Measurement가 가능하다. Attribute의 형태?..

Chapter 1. Data mining이란?

Data Mining Tasks Descriptive methods : Find human-interpretable patterns that describe the data. Example : Clustering, Pattern Mining 설명 방식은 사람이 이해할 수 있는 패턴으로 데이터를 설명한다. 예를 들어 클러스터링, 패턴 마이닝 등이 있다. Predictive methods : Use some variables to predict unknown or future values of other variables Example : Recommender Systems, Time Series Analysis 몇몇 변수들을 사용하여 예측 방식은 알려지지않거나 미래의 값들 예측한다. 예를 들어, 추천시스템..

Data Mining 기본 용어 정리

Preprocessing Transforms the raw input data into an appropriate format for subsequent analysis. Data Mining The process of automatically discovering useful information in large data repositories. Regression Predictive model used for continuous target variables. Association analysis Used to discover patterns that describe strongly associated features in the data. Attribute Property or characteris..

Chap 5. Decision Making 의사결정 - Policy and Value Iteration Part2.

Policy Iteration란? Policy(정책)를 업데이트하는 과정이다. Iterative Policy Evaluation을 말하며, Bellman Expectation Equation으로 지금가지고 있는 Policy를 이용해 V를 업데이트 해준 후에 다시 Evaluation을 반복한다. * 단, 업데이트 후에 Improvement 로 넘어가는 것이 아니라, V파이에 수렴할때까지 계속 Evaluate 해준다. 즉, value가 바뀌지 않을때까지 Evaluate해야 한다. 그 결과, Policy파이가 주어졌을때, V파이에 수렴할때까지 Iterative하게 value를 evaluation 시키는 것이다. Policy Iteration : Policy Evaluation(Prediction) x ?+ P..

Chap 5. Decision Making 의사결정 - Policy and Value Iteration Part1.

Policy and Value Iteratino을 알기 위해선 아래 내용을 숙지할 필요가 있다. Markov Decision Process 란? Total Reward를 최대로 만들고, 이때의 Optimal Policy(최적 정책)을 찾는 방법. Model을 알고 있는 것이 중요하며, Model은 Transition Probability, Reward Function들 인데, 보통 Transition Probability를 의미한다. 즉, 모든 상환을 다 알고 있다. Bellman Expectation Equation(벨만 기대 방정식)이란? Value Function과 Bellman Equation은 강화학습에서 매우 중요한 수식이다. 상태가치함수에서 가치함수는 정책을 고려하지 않았으나, Agent는 ..

Chap 5. Decision Making 의사결정

Rainforce Learning 강화학습 Enviornment -> State | Reward -> Agent | Policy -> Action -> Environment (경험 + 지식) > 판단 > 정책 : 적설히 설계된 보상체계를 활용하여 Agent가 긍정적인 행동을 할 수 있도록 행동을 제어한다. Markov Chain 마르코프 연쇄 마르코프 연쇄는 마르코프 속성을 가지고 있는 시스템의 상태 변화를 말한다. 과거 상태와는 독립적으로 현재 상태에 의해서면 결정되어야 한다. S : 상태(State)의 집합 P : 상태 전이 매트릭스 에피소드 : 일련의 연속된 상태 변화 환경 : 전체 에피소드의 모음 마르코프 연쇄를 계산하기 위해서는 매트릭스 행렬의 내적의 곱을 계산하면 된다. 마르코프 속성 : 과거..

Chap 4-2. Parameter learning & Introduction to Simple Decision Making

Maximum Likelihood Estimate : 최대 우도법 모수적인 데이터 밀도 추정 방법으로, 파라미터 (쎄타)로 구성된 하나의 확률밀도함수를 이용한다. 그 확률밀도함에서 관측된 표본 데이터 집합을 On 이라 할때, 이 표본들에서 모수를 추정하는 방법이다. 어떤 모수가 주어졌을 때, 원하는 값들이 나올 가능도를 최대로 만드는 모수를 선택해야한다. Likelihood Fuction 데이터 샘플에서 후보 분포에 대한 높이 (확률 밀도값 P(~))을 계산해서 모두 곱하여 사용한다. 이를 통해, 지금 얻은 데이터가 해당 분포로부터 나왔을 가능도를 계산할 수 있다. P(Oi | 쎄타)가 높이라고 볼 수 있다. Log-likelihood Function 보통은 Log-likelihood Function을 ..