Deep Learning/확률론
데이터에 따라 확률분포 추정하는 방법
green_ne
2022. 1. 22. 15:30
1. histogram으로 데이터 모양 관찰한다.
- 어떤 확률분포가 적절한지
- data가 어떻게 생성되었는지 파악한다.
2. 확률분포를 가정한다.

- data가 2개의 값(0 또는 1)을 가지는 경우 -> 베르누이 분포
- n개의 이산적인 값을 가지는 경우 -> category 분포
- 0 ~ 1 사이의 실수값을 가지는 경우 -> 베타 분포
- 0 이상의 값을 가지는 경우 -> 연속확률분포를 고려하며, 감마분포/ 로그정규분포 등
- 실수 전체 값을 가지는 경우 -> 정규분포/ 라플라스분포 등
3. 모수를 추정하고, 통계적으로 검증한다.
반응형