일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
Tags
- EfficientNet
- 논문분석
- RCNN
- 서포트벡터머신이란
- computervision
- SVM 이란
- CS231n
- svdd
- Object Detection
- TCP
- cnn 역사
- CNN
- darknet
- pytorch c++
- pytorch
- Computer Vision
- self-supervision
- DeepLearning
- yolo
- Deep Learning
- 데이터 전처리
- Faster R-CNN
- support vector machine 리뷰
- cs231n lecture5
- fast r-cnn
- libtorch
- SVM hard margin
- yolov3
- pytorch project
- SVM margin
Archives
- Today
- Total
목록Maximum Likelihood Estimation (1)
아롱이 탐험대

Linear regression은 supervised learning에서 많이 사용되고, 앞에서 살펴보았던 kernel이나 basis expansion 등을 이용해 Non-linear relationship을 가진 model을 만들 수 있었다. 우리는 아래 수식과 같이 parameter들을 주로 Gaussian을 사용하여 modeling을 진행했었다. $$ \text{Linear regression model:}\ \ p(y\mid {x}, {\theta}) = \mathcal{N}(y\mid w^{T}x, \sigma^{2}) $$ $$ \text{Non-linear regression model:}\ \ p(y\mid {x}, {\theta}) = \mathcal{N}(y\mid w^{T}x\phi(..
study/Machine Learning
2022. 4. 28. 14:42