Yeon blog

베타 분포 베타분포는 두 매개변수 alpha와 beta에 따라 [0,1] 구간에서 정의되는 연속 확률 분포이다. 말 그대로 alpha와 beta는 베타분포라는 함수의 모양을 결정짓는 파라미터입니다. 직관적으로 이해하기 편하게 베타분포의 확률 밀도 함수를 보면서 설명하겠습니다. 먼저 확률 밀도 함수의 x축은 연속확률변수의 값을 의미하고, y축은 연속확률변수가 갖는 일정 구간의 확률 순간 변화율입니다. 확률 밀도 함수의 모양을 결정짓는 alpha와 beta에 의해서 두 매개변수가 서로 동일한 경우 Uniform한 모양을 가지고 만약 값이 셀수없이 커지면 그래프는 뾰족한 그래프의 형태로 만들어집니다. 또는 alpha와 beta 값이 서로 다를 경우에는 큰 값 쪽으로 그래프가 발산하는 모습을 볼 수 있습니다. ..

INTRODUCTION Classification의 문제는 샘플 공간 X에 존재하는 샘플 {x1, x2,⋯ } ∈ X 각각에 대해서 이 샘플들은 어떤 클래스 y ∈ Y로 분류할 것인가에 관한 문제로 생각할 수 있다. 일반적으로 이러한 문제에 대해 우리는 예로 Classifier f라는 함수를 정의할 수 있다. Classifier f:X⟼Y는 주어진 샘플 공간(X)으로부터 클래스 공간(Y)으로 Mapping 해주는 함수라고 정의할 수 있을 것이다. 예를 들어 여러 애완동물 중(X) 강아지냐 아니냐에 대한 Class((Y={0,1})로 분류하는 Classifier f를 예시로 들어보자 f는 다음과 같아진다. f(cat) = 0, f(Lion) = 0, f(Welsh Corgi) = 1, f(Pomerania..

파티클 필터의 동작원리와 예제 파티클 필터(particle filter)는 비선형 상태에서 노이즈가 많은 환경에서 측정된 데이터를 필터를 사용해 실제 위치를 추정하는 도구다. 파티클 필터(particle filter)는 보통 가우시안 분포가 아닌 관측 데이터들을 기준으로 사용된다고 한다. 물론 가우시안 분포의 데이터에서 사용하지 말라는 건 아니다. 본 포스트에서는 파티클 필터(particle filter)의 어려운 수학적인 내용은 제하고, 쉽게 예를 들며 필터의 동작원리에 대해 알아보았다. 파티클 필터(particle filter)에 대해 검색해 보면 아래와 같은 그림을 많이 보게 된다. 아래 그림은 파티클 필터의 estimation cycle을 도식화한 것이다. 위의 검은 원들 하나하나가 particl..