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 |
Tags
- toss sql
- 행정동표시
- wishart-gamma
- 토스 data assistant
- adp문제
- d similar
- wishart laplace transform
- 한국캐나다대학원연수
- iris대학원
- random effect model
- 태블로에러
- 토스 sql
- 대학원연수프로그램
- torch.nn.Linear
- d similar matrices class
- 단어뒤집기
- explicit random effect model
- wishart gamma random effect model
- 코테select
- dependency modeling
- sql코테준비
- 태블로
- 모수추정
- adp필기문제
- 태블로행정동
- 이공계 대학원 연수 프로그램
- 조세퍼스 문제
- 백준 알고리즘 기초1
- wishart parameter 추정법
- 한-캐대학원
Archives
- Today
- Total
목록optimizer (1)
수리통계 분석 코딩 실습

1. 목적함수란? data(X,Y)가 주어졌을 때, ✔ 최적화하고싶은 함수를 정한 뒤, 추정하고 싶은 값을 구하는 근사치(using X)를 분류해 알아둬야한다. ❗ 다시말해, 최적화하고 싶은 함수는 추정치인(Yhat)과 Y값의 차이를 계산할 수 있는 방법(mse, rmse, 유클리디안거리 등)이 되는 것이고 추정하고 싶은 값(Yhat)은 X를 이용해 만드는 우리의 모델이 되는 것이다. 즉, loss에 사용되는 것이 최적화하고 싶은 함수(opitm function) 가 되는 것이고 이 loss의 미분을 계산해서 Yhat의 weight(linear regression에선 coeff)를 update 시켜주는 것이다. 이해하기 쉽게 데이터를 만들어 구성해 아래 Y의 추정치가..
대학원/통계프로그래밍
2023. 10. 18. 00:43