[Julia, Turing] Tutorial – 08 Multinormial Logistic Regression
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
Machine learning
[Julia, Turing] Tutorial – 07 Poisson Regression
베이즈 포아송 회귀를 사용하여 음주,약복용, 음주와 약복용의 상호작용이 재치기에 미치는 영향을 분석하고 주어진 데이터에 대해 포아송 분포의 선형회귀 파라미터를 추정 한다. 키워드
[Julia, Turing] Tutorial – Bayesian Neural Network
Neural Network는 예를 들어 이 예제 처럼 선형회귀(Linear Regression)으로 분류하기 어려운 분류를 수행 할 수 있다. 베이즈 추론과 샘플링으로 얻고 싶은것은 신경망의 가중치와 편향에 대한 사후분포를 얻고 이를 통해 신경망을 재구성 하여 선형회귀에서 분류하기 어려운 분류 문제를 해결한다. 이 튜토리얼에서는 머신러닝 도구 제품군인 Turing과 Flux의 조합을 사용해 베이지안 신경망을 구현하는 방법을 보여드립니다. 분류 알고리즘을 구현하는 …
[Julia, Turing] Tutorial – Bayesian Logistic Regression 처리 흐름도
Bayesian Logistic Regression으로 데이터의 파라미터를 추정하고 분류하고 평가하기 위한 처리 흐름도
[Julia,ML,JuliaDB] Machine learning using MLJFlux– Iris data
Julia : 1.6.1, JuliaDB: 0.13.1, Flux: 0.12.4, MLJ: 0.16.7, MLJFlux 0.2.1,Pluto : 0.15.1
[Julia,ML,JuliaDB] Machine learning using JuliaDB:ML– Iris data
Julia : 1.6.1, JuliaDB: 0.13.1, Flux: 0.12.4, MLJ: 0.16.7, Pluto : 0.15.1 JuliaDB:ML을 사용한 machine learning 예제 – 데이터는 Iris MLJ와 비교하면 좋을 듯~~
[Julia,ML,MLJ] Machine learning using MLJ – Iris data
Julia : 1.6.1, MLJ: 0.16.7, Pluto : 0.15.1 MLJ를 사용한 machine learning 예제 – 데이터는 Iris JuliaDB:ML과 비교하면 좋을 듯~~