Notice
Recent Posts
Recent Comments
Link
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
- Gradient boosting machine
- 알고리즘
- LIKELIHOOD
- ML
- Gbm
- 머신러닝
- LGBM
- 차원 축소
- pca
- feature extraction
- multivarite data
- multivarite method
- 앙상블
- Gradient Boosting
- xgboost
- Machine Learning
- decision tree
- 차원축소
- 최대사후확률
- ensemble
- ensemble learning
- classification
- Gradient Boostnig
- dimension reduction
- 트리분할
- Maximum A Posterior
- 앙상블 학습
- Regression
- MLE
- LDA
Archives
- Today
- Total
목록선형대수 (6)
코딩하는 눈송이

Regression이란? 여러 개의 독립 변수에서 하나의 종속 변수를 유도해 내는 것을 말한다. Linear Regression의 일반식은 다음과 같다. $$ r = f(x) + \varepsilon (X = (x^t, r^t)^N_{t=1}, f(x^t) = w^Tx^t )$$ $x$ : 독립 변수 $r$ : 종속 변수. 즉, 맞추고자 하는 real value $f(x)$ : linear regression을 통해 예측한 예측값(추정량 - estimator). 즉, $y^t$라고 볼 수 있다. 위의 식에서 $x^t$는 t번째 독립 변수로, $x^t = (x^t_{1}, x^t_{2}, ... , x^t_{k})$와 같은 Feature $x^t_{j}$의 결합이다. 또한 $w^T$는 parameter로,..
선형대수
2023. 2. 13. 23:18