[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
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
베이즈 포아송 회귀를 사용하여 음주,약복용, 음주와 약복용의 상호작용이 재치기에 미치는 영향을 분석하고 주어진 데이터에 대해 포아송 분포의 선형회귀 파라미터를 추정 한다. 키워드
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 …
Bayesian Logistic Regression으로 데이터의 파라미터를 추정하고 분류하고 평가하기 위한 처리 흐름도
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 : 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 : 1.6.1, MLJ: 0.16.7, Pluto : 0.15.1 MLJ를 사용한 machine learning 예제 – 데이터는 Iris JuliaDB:ML과 비교하면 좋을 듯~~