기댓값 최대화 알고리즘
1. 개요
내용을 불러올 수 없습니다.
기댓값 최대화 알고리즘
📚 더 읽어볼만한 페이지
-
통계 알고리즘 -
메트로폴리스-헤이스팅스 알고리즘
메트로폴리스-헤이스팅스 알고리즘은 마르코프 연쇄 몬테카를로 방법으로, 확률 밀도 함수에 비례하는 함수를 알 때 원하는 확률 분포에서 난수열을 생성하며 통계 모델링, 데이터 분석 등에 응용된다. -
클러스터 분석 알고리즘 -
계층적 군집화
계층적 군집화는 데이터 개체들을 계층적인 클러스터 구조로 조직화하는 군집 분석 방법으로, 개별 객체에서 시작하여 점진적으로 클러스터를 병합하거나 전체 데이터 셋에서 시작하여 클러스터를 분할하는 방식으로 진행되며, 덴드로그램을 통해 시각적으로 표현되고 다양한 연결 기준과 알고리즘을 사용해 데이터 특성에 맞는 클러스터링 결과를 제공한다. -
클러스터 분석 알고리즘 -
DBSCAN
DBSCAN은 밀도 기반 공간 클러스터링 알고리즘으로, 데이터 공간에서 밀도가 높은 영역을 클러스터로 식별하는 비지도 학습 방법이며, 핵심점, 직접 도달 가능점, 도달 가능점, 이상치라는 네 가지 기본 개념을 바탕으로 임의의 모양을 가진 클러스터를 찾을 수 있다는 장점이 있다. -
추정법 -
델파이 기법
델파이 기법은 전문가들의 의견을 반복적인 피드백을 통해 수렴하여 문제를 해결하는 하향식 의견 도출 방법으로, 익명성, 정보 흐름의 구조화, 정기적인 피드백을 특징으로 하며 다양한 분야에서 활용된다. -
추정법 -
표본 평균
표본 평균은 모집단의 모평균을 추정하기 위해 표본에서 추출된 값들의 산술 평균을 구한 것으로, 표본 내 변수 값들의 합을 값의 개수로 나눈 값이며, 불편성을 가지고 확률 변수이며 자체적인 분포를 갖는다.
본문 내용을 불러올 수 없습니다.