Notice
Recent Posts
Recent Comments
| 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
- 논문 리뷰
- MNIST
- 머신러닝
- 뉴럴네트워크
- 레이텍
- Machine Learning
- Deep Neural Network
- MLE
- Generative Model
- anomalydetection
- rnn
- 인공신경망
- Spiking Neural Network
- Wavelet Transform
- ML
- 기계학습
- 논문리뷰
- 머신러닝 논문리뷰
- Deep Learning
- map
- 논문 해석
- 이상 탐지
- Fast Fourer Transform
- 이상 현상 탐지
- autoencoder
- ae
- Bagging
- Python
- 딥러닝
- Snn
- Today
- Total
MATH & ML
ML의 전반적인 가정 : 데이터의 distribution을 모른다 본문
ML의 전반적인 가정 : 데이터의 distribution을 모른다!!
(다 같은말)
데이터의 distribution
= true prob density function
= data generating prob density function
= underlying prob density function
'Machine Learning' 카테고리의 다른 글
| Decision Tree, Random Forest, Ensemble(Bagging vs Boosting) Xgboost (0) | 2018.09.08 |
|---|---|
| Anomaly Detection(이상 탐지, 이상 현상 탐지) (0) | 2018.07.25 |
| Data imputation(결측치 처리) (0) | 2018.07.04 |
| Variational Autoencoder(VAE)의 원리와 이해 (0) | 2018.06.18 |
| Generative model과 Discriminate model 차이점과 비교 (0) | 2018.06.17 |
'Machine Learning' Related Articles
more
Comments