ML (10) 썸네일형 리스트형 [ML] Statistics - 이산 확률 분포 알아야 하는 이유 예를 들어, 고양이 이미지를 분류하는 인공지능 모델이 있다고 가정해보자.이 모델이 5장의 이미지 중 4장을 정확하게 분류한다고 할 때,10장의 고양이 이미지 중 정확히 7장을 맞출 확률은 얼마나 될까? 이는 분류 성공/실패 두 가지 결과로 이루어진 이산 확률 문제이며,이 경우 이산 확률 분포 중 하나인 이항 분포를 통해 확률을 계산할 수 있다.베르누이 시행(Bernoulli Trial)결과가 두 가지 중 하나로만 나오는 시행을 의미한다.예시 1) 입학 시험: 합격 / 불합격예시 2) 동전 던지기: 앞면 / 뒷면 베르누이 시행의 확률 변수0(실패)과 1(성공)로 나타낼 수 있다.이 확률 변수는 0 또는 1만 가지므로, 이산 확률 변수이다. 베르누이 확률 분포베르누이 확률 변수의 분포를 .. [ML] Statistics - 확률 기초 확률을 알아야 하는 이유일반적으로 기계학습 모델의 출력은 확률 형태를 띤다. 이미지 분류 모델이 이미지 x에 대해서 75% 확률로 고양이일 것이라고 예측했다.글 쓰기 모델은 "나는 밥을" 이후에 "먹었다"라는 단어가 나올 확률을 42%로 예측했다. 그렇다면 모델은 어떤 기준으로 "확률"을 출력했을까?이는 확률 분포와 관련이 있는데, 확률 분포를 이해하려면 확률의 개념을 알아야 한다.확률이란?확률(Probability)- 특정한 사건이 일어날 가능성을 수로 표현한 것- 확률은 0부터 1(100%) 사이의 실수로 표현실수(Real Number)- 수직선 위에 표시할 수 있는 모든 수- 자연수(1, 2, ...), 정수(-1, 0, 1, ...), 유리수(분수), 무리수(π 등)를 포함하는 모든 수 경우의 수.. 이전 1 2 다음
