<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet href="http://valley.egloos.com/rss/style/style.xsl" type="text/xsl" media="screen"?>
<rss version="2.0" xmlns:dc="http://purl.org/dc/elements/1.1/">
	<channel>
		<title>이글루스 '베이지안' 태그 최근글</title>
		<link>http://valley.egloos.com/tag/베이지안</link>
		<description>베이지안</description>
		<language>ko</language>
		<pubDate>Sun, 29 Jan 2012 21:42:28 +0900</pubDate>
		<generator>Egloos</generator>
		<item>
	<title><![CDATA[베이지안 방법 3 - 일화를 통한 적용사례]]></title>
	<link>http://factorizer.egloos.com/435449</link>
	<guid>http://factorizer.egloos.com/435449</guid>
	<description>
	<![CDATA[ 
(2009년 1월 31일 적음..)  일화를 하나 들어봅니다. 딸애가 한 30개월쯤이었을때, 저는 쇼파에서 모로 누워 TV를 보고 있고 딸은 저의 바로 가슴맡에서 놀고있던 적이 있었습니다. 부모는 보통 아이에게 이 상황에서 이런 위험이 있을 수 있겠다라는 생각을 하곤하는데 그 상황에서 저는 아이가 놀다가 뒤로 중심이 가버리면 뒤로 떨어져 뒤통수부터 떨어지겠구나 싶더군요. 저는 그 상황을 머리로 그리며.. 만약 그렇게되면(:머리가 뒤로 넘어가기 시작하면) 팔을 뻗어 아이의 등을 받히겠다라는 계획을 세웠습니다. 그리고는 다시 TV를 보는데 아니나 다를까 잠시 후 아이의 목이 뒤로 제껴지기 시작하더군요. 저는 재빨리 팔을 뻗어 떨어지려는 아이를 받혔습니다. &quot;이럴 줄 알았쟎아. 조심해야지!&quot;하는 말에, 안 그래도	]]>
	</description>
	<pubDate>Sun, 29 Jan 2012 21:42:28 +0900</pubDate>
	<dc:creator><![CDATA[data science]]></dc:creator>
</item>
<item>
	<title><![CDATA[베이지안 방법 2 - 데이터가 많을수록 좋은 이유]]></title>
	<link>http://factorizer.egloos.com/430128</link>
	<guid>http://factorizer.egloos.com/430128</guid>
	<description>
	<![CDATA[ 
왜 베이지안 방법에 있어 데이터는 많으면 많을수록 좋나.    지난 시간에 설명한 prior는 수직방향으로 구조를 형성시켜 준다. 이는 계속해서 쪼개고 또 쪼개어 간다. Prior안에 prior가 또 나타나는 재귀적 형태의 구조를 다른 표현으론, 베이지안은 모든걸 분포함수로 본다.라고 말한다.    이런식으로 쪼개어가다보면 당연히 어떤 확률변수 y에 있어 그 대상의 수가 적어져갈 수 밖에 없다. 왜냐하면 쪼개어 나갔으니까.    그렇게 되면 분포함수의 모양이 매끄럽지 못 하게된다. 우리가 익숙한 돗수분포(히스토그램) 같이 되는데 그렇게 되면 그 분포함수가 이런이런 모수로 특징지어진다고 자신있게 말할 수가 없게된다. 우리가 익숙한 가우시안으로 말하자면 평균치와 표준편차가 정확히 어떤 값인지 모르게 된다는 의미	]]>
	</description>
	<pubDate>Fri, 27 Jan 2012 22:11:42 +0900</pubDate>
	<dc:creator><![CDATA[data science]]></dc:creator>
</item>
<item>
	<title><![CDATA[베이지안 방법 1 - 비유로 설명하기]]></title>
	<link>http://factorizer.egloos.com/427900</link>
	<guid>http://factorizer.egloos.com/427900</guid>
	<description>
	<![CDATA[ 
                p(y|x)p(x)  p(y|x) = ----------                  p(y)  (분자의 첫번째 인자를 likelihood, 두번째 인자를 prior라 부른다.)  베이지안을 비유로 쉽게 설명하면 이렇다. 죤이라는 쌍둥이는 데이비드라는 쌍둥이 형제를 두고 있다. 죤을 마주보고 있는 우리는 바로 데이비드를 찾아내야 한다.  이걸 베이지안 식으로 나타내면 이렇다.                        p(죤|데이비드)p(데이비드)p(데이비드|죤)=-------------------------                                      p(죤)  Likelihood 팩터는 비유하자면, 각 사진을 받았을때 그 사진 속 인물이 죤과 닮았는지를 	]]>
	</description>
	<pubDate>Thu, 26 Jan 2012 23:40:21 +0900</pubDate>
	<dc:creator><![CDATA[data scientist]]></dc:creator>
</item>
<item>
	<title><![CDATA[빈도주의와 베이지안, 그리고 가설검증]]></title>
	<link>http://bayes.egloos.com/2790710</link>
	<guid>http://bayes.egloos.com/2790710</guid>
	<description>
	<![CDATA[ 
R 카테고리에 쓴 글에서 가설검증에 대해 몇 가지 이슈들을 가볍게나마 다루었는데, 앞으로 가설검증과 관련하여 몇 가지 이야기를 하고자 한다. 이에 앞서서 이번 포스팅에서는 통계의 두 가지 큰 흐름인 빈도주의(frequentist)방식과 베이지안(Bayesian)방식에 대해 간단히 논하고자 한다. 현재 사용되고 있는 가설검정 절차는 빈도주의 방식의 것이기 때문에 이에 대해 잠시 언급하는 것이 필요할 것 같고, 사실 통계 카테고리의 첫 글이라는 의미가 있기 때문에 나의 관심사와 관련된 글을 올리는 것이 맞다 싶었다. 필명에서 눈치챈 사람들도 많겠지만, 나는 베이지안에 흥미가 있다. 하지만 많은 통계학자들이 생각하듯(내 생각이 아니라 James O. Berger라는 통계학자의 책에 나온 이야기)빈도주의든 베이지안	]]>
	</description>
	<pubDate>Thu, 16 Jun 2011 01:13:58 +0900</pubDate>
	<dc:creator><![CDATA[Psychology &amp;amp; Statistics]]></dc:creator>
</item>
<item>
	<title><![CDATA[베이지안 확률(Bayesian Probability)]]></title>
	<link>http://aistory.egloos.com/4493798</link>
	<guid>http://aistory.egloos.com/4493798</guid>
	<description>
	<![CDATA[ 
  Machine Learning에서 확률추론이 차지하는 비중은 굉장히 크다. 그런데 확률추론에서 반드시 짚고 넘어가야 할 것이 바로 베이지안 확률이다. 사실 책마다 너무 오버스럽게 강조되는 경향이 있는 것 같기도 하다. (물론 그만큼 중요하니까 그렇겠지^^) 어쨌든 먼저 다들 확통시간에 배운 바 있는 베이지안 이론을 보자.   이건 조건부 확률 공식  P(A|B) = P(A,B)/P(B)로 쉽게 유도되는 공식이고, 나도 대학교때 확통 배우면서 &quot;아, 그렇구나&quot; 하고 대충 지나갔던 공식중에 하나일 뿐이었다. 하지만 베이지안 확률은 이 공식만이 전부가 아니고, 개념적으로 좀 더 중요한 것을 내포하고 있다.     확률에 대해 우리가 통상적으로 알고 있는 개념을 Classical 혹은 Frequentist in	]]>
	</description>
	<pubDate>Wed, 10 Nov 2010 23:51:22 +0900</pubDate>
	<dc:creator><![CDATA[A.I. story]]></dc:creator>
</item>
<item>
	<title><![CDATA[하나로 끝: 매우 적은 표본에 기반한 최적 의사결정]]></title>
	<link>http://nullmodel.egloos.com/2082479</link>
	<guid>http://nullmodel.egloos.com/2082479</guid>
	<description>
	<![CDATA[ 
<img 
				src="http://thumb.egloos.net/100x76/http://pds17.egloos.com/pds/200912/12/94/a0007594_4b23a7c933fd3.png"  
				alt="하나로 끝: 매우 적은 표본에 기반한 최적 의사결정" 
				width="100px"  
				height="76pxpx"
				align="left"
				style="border:1px solid #DDDDDD;margin:0 10px 10px 0px;"
				/> 현장의 의학[공학]이 과학인가? (漁夫님)    우리가 살아가는 세계는 불확실성으로 가득차 있고, 학문의 목적에 따라 불확실성을 다루는 방법은 달라진다. 과학과 같이 정확한 지식을 얻는 것이 목적일 경우에는 당연히 가능한 많은 데이터를 바탕으로 체계적인 이론을 수립해야한다. 과학에서 데이터는 많을 수록 좋다. 반면, 의학이나 공학처럼 투입 대비 산출이 중요한 학문의 경우 적어도 '현장'에서는 데이터가 많은 것이 항상 바람직하지는 않다. 데이터를 구하는 과정 또한 비용이기 때문이다. 그렇다면, 투입 대비 산출이 중요한 상황에서 데이터는 얼마나 많은 것이 '최적'일까?    확률론의 오랜 전통에 따라 이야기는 동전 던지기 도박으로 시작한다. 돈을 걸고 동전을 던져서 어느 면이 나올지 맞추면 돈을 따는 도박이 있	]]>
	</description>
	<pubDate>Mon, 14 Dec 2009 19:22:06 +0900</pubDate>
	<dc:creator><![CDATA[Null Model]]></dc:creator>
</item>
<item>
	<title><![CDATA[베이지안 필터 테스트 결과 (수천 개 샘플 대상)]]></title>
	<link>http://xeraph.egloos.com/4176458</link>
	<guid>http://xeraph.egloos.com/4176458</guid>
	<description>
	<![CDATA[ 
Loading [1760] Spam samples..  Loading [847] Ham samples..  Spam Corpus Size : [28263]  Ham Corpus Size : [117135]  보기 민망한 출력이므로 가림 (..)  Show Decision Matrix =======  Path? spam\60410.emlx  Decision Matrix Input ====  1. blank: 0.999714873641749  2. 100: 0.998447880035415  3. topmargin: 0.99801804544274  4. leftmargin: 0.99801804544274  5. equiv: 0.990988267817087  6. 뜨거운: 0.99  7. 벗었습니다: 0.99  8	]]>
	</description>
	<pubDate>Sat, 23 Feb 2008 20:32:45 +0900</pubDate>
	<dc:creator><![CDATA[Xeraph Online]]></dc:creator>
</item>
<item>
	<title><![CDATA[PT 준비 완료]]></title>
	<link>http://xeraph.egloos.com/4174631</link>
	<guid>http://xeraph.egloos.com/4174631</guid>
	<description>
	<![CDATA[ 
<img 
				src="http://thumb.egloos.net/100x76/http://pds9.egloos.com/pds/200802/22/57/c0025857_47bed77931119_t.png"  
				alt="PT 준비 완료" 
				width="100px"  
				height="76pxpx"
				align="left"
				style="border:1px solid #DDDDDD;margin:0 10px 10px 0px;"
				/>   이제 시연 준비만 남았다..  감자와 고렙의 삽질을 헛되이 하지 않도록 (흑흑)	]]>
	</description>
	<pubDate>Fri, 22 Feb 2008 23:09:27 +0900</pubDate>
	<dc:creator><![CDATA[Xeraph Online]]></dc:creator>
</item>
	</channel>
</rss>

