베이즈 다항 로지스틱 회귀(Multinormial Logistic Regression)를 사용하는 방법과 이를 사용하여 Iris(붓꽃) 의 특성과 분류를 학습하고 신규 특성으로 부터 붓꽃을 분류하는 방법을 알아 봅니다. 키워드 베이즈 다항 로지스틱 회귀 프로세스
[Julia, Turing] Tutorial – 08 Multinormial Logistic Regression Read More »
Infinite Mixtuure Model, Chinese Restaurant Process
[Julia, Turing] Tutorial – 06 Infinite Mixture Model Read More »
tutorial_bayesian_logistic_regression_basic Bayesian logistic regression 기초¶ 베이지안 로지스틱 회귀는 머신 러닝의 일반적인 도구인 로지스틱 회귀에 대한 베이지안 대응 개념입니다. 로지스틱 회귀의 목표는 주어진 훈련 항목에 대해 1 또는 0을 예측하는 것입니다. 예를 들어, 증상과 개인 정보를 바탕으로 누군가가 아픈지 아픈지 예측할 수 있습니다. 로지스틱회기 베이지안 로지스틱 회기 01 Odds(승산)에서 Logistic 유도하기¶ $P$ : 사건이 발생할 확률
[Julia, Turing] Tutorial –Bayesian logistic regression 기초 Read More »
[Q] 베이지안 추론에 사용하는 sampler중에 MH, HMC를 비교해줘 [A] 베이지안 추론에서 사용되는 샘플링 알고리즘인 Metropolis-Hastings(MH)와 Hamiltonian Monte Carlo(HMC)는 주어진 사후 분포로부터 표본을 추출하는 방법입니다. 두 알고리즘은 그 원리와 장단점에 있어 다양한 차이점을 보입니다. 결론: HMC는 그래디언트 정보를 활용해 더 효율적으로 표본을 추출하므로, 고차원이나 복잡한 분포에 대한 베이지안 추론에 특히 유용합니다. 그러나, 구현과 튜닝이 MH보다 복잡하며,
[Julia, 통계, Sampler] Turing Sampler 비교 (with ChatGPT) Read More »
turing_guide_01 Turing @model 이 하는일 , MH알고리즘 구현 통한 실행 사례¶ In [335]: using Turing using Random using StatsPlots Inverse Gamma 분포:¶ 연속 확률 분포의 하나로, Gamma 분포의 역수에 대한 분포입니다. 이 분포는 특히 베이지안 통계학에서 분산의 사전 분포로 사용되곤 합니다. \begin{align*} f(x|\alpha,\beta) = \frac{\beta^\alpha}{\Gamma(\alpha)}x^{-\alpha-1}e^\frac{-\beta}{x} \end{align*} $\alpha$ : 분포의 모양 결정 $\beta$ : 스케일 조절 특히
[Julia, Turing] Turing @model 이 하는일 , MH알고리즘 구현 통한 실행 사례 Read More »
Central Limit Theorem(CLT) Stat Digest: What is the intution behind Central Limit Theorem(CTL)?¶ Ref : Stat Digest: What is the intuition behind Central Limit Theorem?¶ 임의이 확률변수의 샘플링 분포는 정규분포(normal distribution) 이다. 샘플링 분포의 평균은 모집단(population)평균의 훌륭한 추정 이다. 일반적인 샘플의 크기는 ? 30 이상 CTL은 어디에 적용되는가 ? 평균(mean), 합계(sum), 비율(proportion), 임의의 first-order 측정(any
What is the intution behind Central Limit Theorem(CTL)? Read More »
금융공학에 대해 친절하게 잘 설명해 놓은 블로그 (Finance Diary)를 보고 Julia 버전으로 만들어 보았습니다. SymPy를 좀 더 알겸 해서 SymPy로 코딩을 해봤습니다. stock_math_model 주가의 수학적 모델¶ In [1]: import SymPy as sp import PyCall using LaTeXStrings using Latexify import Markdown as mk using StatsBase using Distributions using StatsPlots using Random using Dates # sympy.stats를 sp에 import
[Julia, SymPy, Finance] SymPy를 통한 주가의 수학적 모델 Read More »
