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 |
Tags
- GIT
- airflow
- docker
- cs231n
- WSSS
- Jupyter notebook
- HookNet
- 사회조사분석사2급
- Multi-Resolution Networks for Semantic Segmentation in Whole Slide Images
- 기초확률론
- Decision Boundary
- 백신후원
- AIFFEL
- vscode
- numpy
- cocre
- Pull Request
- 프로그래머스
- logistic regression
- ssh
- aiffel exploration
- docker exec
- docker attach
- 히비스서커스
- 티스토리챌린지
- CellPin
- IVI
- 코크리
- 오블완
- 도커
Archives
- Today
- Total
목록MLE (1)
히비스서커스의 블로그
[기계학습 1강] MLE(Maximum Likelihood Estimation)
※이 내용들은 (KAIST Open Online Course)의 인공지능 및 기계학습 개론 1 Chap. 1강 내용을 기반으로 재구성하였음을 먼저 밝힙니다.※ MLE (Maximum Likelihood Estimation)은 어떤 시행에 대한 확률을 고정된 값이나 알지 못하는 값으로 가정하고, 시행과 연관된 사건의 결과를 확률에 기반하여 가장 그럴듯한 값으로 추정하는 방식을 말한다. 이를 쉽게 이해하기 위해 동전던지기에 관한 예시로 살펴보자. 먼저 알아둘 것 동전을 던져 나오는 결과가 앞 또는 뒤만 나오는 것처럼 성공 혹은 실패와 같은 이분적인 결과만을 나오는 사건을 베르누이 시행이라고 한다. 이 베르누이 시행을 n번 시행하여 성공한 횟수k를 확률변수로 한 분포는 Binomial Distribution이..
Theory/Machine Learning
2021. 3. 24. 23:19