양갱로그

여러가지 평균 > 산술 평균 우리가 흔히 알고있는 평균 계산이 산술 평균이다. ex ) 5개월(1월~ 5월) 간 평균 전기요금 1월 5300 2월 6800 3월 4000 4월 4100 5월 4300 ( 5300 + 6800 + 4000 + 4100 + 4300 ) / 5 = 4900 > 기하평균 연속적인 변화율 값들의 평균 변화율을 구할 때 사용하는 평균이 기하평균이다. 쉽게 생각하면 산술평균은 '합의 평균', 기하평균은 '곱의 평균'이다. ex) 1월~4월 매출 평균 성장률 구하기 1월 1000 성장률 2월 2300 230% 3월 1800 78.3% 4월 2900 161.1% (2.30*0.783*1.611)^(1/3) = 1.426 -> 42.6% 1000 -> 1426 -> 2034 -> 2900 ..

> 통계학이란? 데이터를 통계량이나 그림/표로 정리하여 특징을 파악하는 학문 > 통계학의 종류 * 기술통계학 - 수집된 데이터의 특징을 파악 * 추측통계학 - 모집단의 특징을 표본으로부터 파악 * 베이즈통계학 - 마케팅 등에서 주목받고 있는 통계학 > 구체적 사례 * 기술통계학 - 데이터의 특징과 경향을 파악, 많은 양의 데이터를 대상으로 한 통계학 ex) 평균과 분산, 상관계수, 표준화 변량, 빅데이터 * 추측통계학 - 표본의 정보를 사용해 모집단의 특성을 추출함(샘플로부터 전체 특성을 추측하는 것) ex) 포아송 분포, 신뢰구간의 추정, 두 집단의 평균 차이 검정, 분산분석, 다중비교법, 비모수 통계 * 실험계획법 - 실험을 성공시키기 위한 방법 ex) 피셔의 3원칙, 직교계획법, 검출력 분석 * 중..

확률분포는 추측통계학의 기초 사상 (mapping) 행위에 의해 생긴 결과 ex ) 주사위를 던져서 나온 눈이 사상에 해당됨 확률 (probability) 어떤 사상이 어느 정도로 일어나기 쉬운지를 수치화한 것 확률의 합 = 1(100%) 확률변수(random variable) 시행을 해봐야 결과를 알 수 있는 변수 값의 수가 유한한 것을 이산확률변수(discrete), 무한한 것을 연속확률변수(continuous) 확률분포(probability distribution) 확률변수가 취하는 값과 그 값이 실현하는 확률의 관계를 나타낸 분포 이산확률분포 균일분포(discrete uniform distribution) 주사위 던지기, 다트게임에서 각 번호 적중확률 이항분포(binomial distributio..

Score,Cross-vlidated scores 사이킷런에서 제공하는 모든 estimator는 score 함수를 가지고 있다. score 메소드는 새로운 데이터를 얼마나 잘 예측하는지 판단할 수 있는 지표이다. 값이 클수록 좋은 모델이다. from sklearn import datasets, svm X_digits, y_digits = datasets.load_digits(return_X_y=True) svc = svm.SVC(C=1, kernel='linear') svc.fit(X_digits[:-100], y_digits[:-100]).score(X_digits[-100:], y_digits[-100:]) 0.98 예측 정확도를 더 잘 측정하기 위해 학습데이터와 테스트 데이터를 k개로 나누어 적용한..

지도학습(Supervised learning) 모델이 학습할 데이터(X)와 그에 맞는 정답 레이블(y)쌍을 데이터셋으로 구성하여 사용하는 학습 방법 사이킷런에 있는 모든 지도학습용 estimator들은 fit(X, y) 형태로 학습하고 predict(X) 형태로 예측한다. classification 문제라면 y는 특정 클래스가 될 것이고, regression 문제라면 y는 연속적인 변수의 특정 값이다. 최근접 이웃 알고리즘과 차원의 저주 문제 KNN classifier를 사용하여 문제를 풀어보자. import numpy as np from sklearn import datasets iris_X, iris_y = datasets.load_iris(return_X_y=True) np.unique(iris_y..

사이킷런의 irist dataset(붓꽃데이터)는 (샘플 수, 피쳐 수) 사이즈로 구성되어 있다. iris는 150개의 데이터를 가지고 있고 이 각 데이터는 4개의 features로 이루어져 있다. features : 꽃받침과 꽃잎의 길이, 너비 >>> from sklearn import datasets >>> iris = datasets.load_iris() >>> data = iris.data >>> data.shape (150, 4) 지난 번에 함께 보았던 digits 데이터셋은 어떨까? digits데이터는 iris와 다르게 이미지 데이터였다. digits = datasets.load_digits() digits.images.shape (1797, 8, 8) import matplotlib.pypl..

머신러닝이란? 다수의 데이터가 모여있는 집합인 데이터셋으로부터 데이터 과학자가 고려하고 있는 문제를 학습하고, 모델이 전혀 보지 못했던 데이터셋을 통해 예측하는 것. 그리고 이 예측의 정확도가 높을 수록 성능이 좋은 모델이라고 할 수 있다. 머신러닝에서 다루는 문제의 카테고리를 다음과 같이 나눌 수 있다. supervised learning a. classification : 2개 또는 이상의 클래스에 속하는 샘플들을 학습하고 클래스 라벨링이 되어있지 않은 데이터를 입력으로 줬을 때 클래스를 맞추는(분류하는) 문제, 분류 문제는 이산적인 카테고리로 구성되어 있다. b. regression : 하나 또는 이상의 연속적인 변수들로 구성된 출력을 예측하는 문제 unsupervised learning clust..

Python에서 ML 모델을 다루고자 한다면 반드시 들어봤을 scikit-learn 이번에 scikit-learn 1.0이 릴리즈된 기념으로 scikit-learn 정리를 할 것이다. 내 환경은 mac, window, ubuntu를 선택적으로 사용할 수 있는 환경이고, 매 포스팅마다 그때 그때 사용중인 PC 환경에서 진행할 것이다. Anaconda 가상환경을 만들어서 사용할 것이기 때문에 뭐.. 다른 종속 라이브러리가 필요하게 되어 문제가 있는 경우 아니고서야 os를 타지는 않을 것이라고 생각한다. scikit-learn installation https://scikit-learn.org/dev/auto_examples/release_highlights/plot_release_highlights_1_0_..

Abstract features 중 몇몇은 특정 모델이나 문제에 국한되어 동작한다. 반면, 대개 모델, 문제, 데이터셋에 적용이 가능한 universal features들도 존재한다. WRC : Weighted Residual Connections CSP : Cross Stage Partial connections CmBN : Cross mini Batch Normalization SAT : Self Adversarial Training Mish-activation Mosaic data augmentation DropBlock Regularization CIoU loss 위와 같은 방법을 적용하여 최신의 결과를 달성함. Acc - MS COCO dataset, 43.5& AP Speed - Tesla V..

dlib은 간단하게 pip를 사용하여 설치할 수 있다. dlib을 사용해서 얼굴 이미지에서 랜드마크를 디텍션하면 아래 사진과 같은 인덱스로 68개의 points가 생성된다. detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') face_detector = detector(img_gray, 1) for face in face_detector: landmarks = predictor(image, face)