Processing math: 100%

Breaking

2019년 10월 8일 화요일

1.4. Probability and Distribution Review

1.4. Probability and Distribution Review

이 글은 공부를 위해 적는 것입니다.
모든 저작권은 KAIST 문일철 교수님과 Edwith에 있습니다.
강좌 URL : https://www.edwith.org/machinelearning1_17/lecture/10577/
PDF는 위 강좌 URL을 통해 무료로 다운받을 수 있습니다.
Image 파일 아래의 글들은 강의를 토대로 작성되었으며 저의 생각이 약간 감미된 경우 또한 있습니다.

배운점
  • Probability
  • Conditional Probability
  • Probability Distribution
  • Normal Distribution : Continuous numerical value
  • Beta Distribution : Continuous numerical value [0,1]
  • Binomial Distribution : Discrete value
  • Multinomial Distribution : Generalization of the Binomial Distribution

문제를 해결하기위해 Probability, Distribution, 다른 수학적 기법들을 알아야한다.
P(E)R,P(E)0P(Ω)=1
P(E1E2)=i=1P(Ei) when a sequence of mutually exclusive
함수는 mapping
Subsequent Characteristics
if AB then P(A)P(B)P(ϕ)=00P(E)1
P(AB)=P(A)+P(B)P(AB)P(Ec)=1P(E)
Conditional Probability 조건부확률
Condition Scope 범주를 주는 것 P(A|B)=P(AB)P(B)
P(B|A)=P(A|B)P(B)P(A)Posterior=Likelihood×PriorKnowledgeNormalizingConstant

P(A)=nP(A|Bn)P(Bn)

P라는 Mapping 자체에 대해 알아야함
대표적 정의 Probability Distribution : assing 해주기 위한 것
A function mapping an event to a probability
f(x)=e12x22π
PDF : Probability Density Function = f(x)
CDF : Cumulative Distribution Function = xf(x)dx
1. 함수의 공식을 정하고 Parameter를 바꾸는 방법 -> 모양 조정
2. 공식 자체를 바꾸는 것 => 이름을 준다. Normal Dist, Poisson Dist
Normal Distribution : Continuous numerical Value
f(x;μ,σ)=1σ2πe(xμ)22σ2
Notation : N(μ,σ2)
Mean : μ
Variance : σ2
long & tail이 존재 0이 아닌 양쪽의 끝 부분
Beta Distribution : Continuous numerical value [0,1]
long & tail이 없고 정해진 구간에만 값이 존재
범위가 딱 떨어지는 확률일 때 Beta Distribution이 적합
f(θ;α,β)=θα1(1θ)β1B(α,β),B(α,β)=Γ(α)Γ(β)Γ(α+β)

Notation : Beta(α,β)
Mean : αα+β
Variance : αβ(α+β)2(α+β+1)
Binomial Distribution : Discrete values
f(θ;n,p)=(nk)pk(1p)nk,(nk)=n!k!(nk)!
Notation : B(n,p)
Mean : np
Variance : np(1-p)
parameter : n, p
Multinomial Distribution
The Generalization of the binomial distribution
ex) 앞, 뒤, 좌, 우 등과 같이 2개의 선택지 이상의 선택시
ABCDEF ... Z 중 하나를 선택
f(x1,,xk;n,p1,,pk)=n!x1!xk!px11pxkk
Notation : $Mult(P),P=$
Mean : E(xi)=npi
Variance : Var(xi)=npi(1pi)