Размер видео: 1280 X 720853 X 480640 X 360
Показать панель управления
Автовоспроизведение
Автоповтор
유학와서 linear regression 부분에 대한 통계학 수업듣다가 '선형 회귀' 라는 개념 자체가 이해가 안되서 계속 헤매다가 여기로 들어왔는데 이해가 잘되네요! 일단 한국어라서 너무 좋습니다... ㅋㅋ 감사합니다!
와.. 진짜 감탄밖에 안나옵니다. 대부분 강의에서 그렇다고 주입시키거나 아니면 수학적으로 알아들을 수 없게금 설명하는데.. 진짜 왜, 왜, 왜.. 왜 그런지 몰라서 쌓여만 가던 궁금증을 한방에 다 해결 했습니다.
감사합니다!
내용 너무 알차네요... 기계공학부 나와서 회사생활하다가 AI 관심 생겨 공부하다 참고하고 있습니다. 이런 강의 무료로 들을 수 있다는게 정말 행운이네요. 너무 감사합니다
👍
제가 하루종일 고민했던 것의 답을 찾았습니다... 제 군생활에 한줄기 빛과 같은 분이십니다.
감사합니다. 고민하셨던 부분이 해결되었다니 기쁜 마음입니다.
처음 강의 부터 듣고 있는데 정말 직관적으로 잘 설명해주시네요 좋은 강의 정말 감사합니다
넘 잘 듣고 있습니다. 감사합니다.
13:00 E[Y] 에 대한 설명 감탄하고 갑니다. Y는 e엡실론 때문에 같이 확률변수가 됨
식만 볼때는 잘 이해가 안됐는데 그래프의 평균분산 그림보고 이해가 되네요. ^^ 감사합니다.
감사합니다 교수님
좋은 강의 감사합니다.
감사합니다 교수님!
고맙습니다.
감사합니다!!
감사합니다 ㅠ 왜 y평균이랑 x인지가 이해가 도저히 안갔는데 단번에 ㅎㅎ
교수님 강의 잘 듣고있습니다.ㅎㅎ 항상 감사합니다. 강의를 듣다가 궁금한 점이 생겼는데, 비선형회귀는 Y와 X의 관계로 정해지는 것이 아니라, 강의에서 정의하신 Y와 B(회귀변수,파라미터)와의 선형/비선형 관계로 정해지는 것으로 알고 있는데 아닌가요???
상수에 대한 분산이 0이 되는 이유를 설명해주세요 ㅠㅠ
분산 공식을 한번 보세요. 분산은 데이타가 기대값(평균)으로부터 얼마나 떨어진 곳에 분포하는지를 나타내는데, 상수는 고정된 값이므로 분산이 '0'인 것입니다.
14:05
X는 확률변수가 아니라 상수입니다. X는 주어진 데이터라고 보시면 됩니다. Y는 확률분포를 따르는 변수입니다. 왜냐하면 다음 식에서 e가 정규분포를 따르기 때문입니다. Y=b0+b1+e, e~N(0, sigma^2)
저도 헷갈렸는데 특정 하나의 X값일 때 Y값의 확률분포라고 생각하시면 될 듯 합니다. 교수님의 추가 설명 그래프에도 특점 점에서의 정규분포가 도사되어있네요.질문자님의 관점으로 나아가면저 직선상의 모든 점에 저런 정규분포가 도사된다고 생각하면 되겠네요 ㅎㅎ
교수님 강의 너무 잘 듣고 있습니다! 질문이 하나 있습니다. 선형 회귀라는 것이 항상 직선이나 평면으로 존재해야 한다는 뜻인가요? (찾아봤는데 다 설명이 달라서 질문 드렸습니다!)
선형의 경우 그렇게 보시면 됩니다. 다만, 너무 기하학적 (평면, 직선)으로 보시기 보다는 X변수들의 선형결합으로 표현한 모델을 선형회귀모델로 이해하시면 좋습니다.
9월 7일 학습완료
안녕하세요 교수님 다름이 아니라 멤버십 이용자의 경우 ppt를 제공받을 수 있는 서비스가 생긴다면 큰 도움이 될 것 같습니다.. 저의 개인적인 생각일 뿐이고 실례가 되었다면 죄송합니다. 항상 감사합니다~
혹시 강의 ppt자료를 가지고 싶은데 어떻게 안될까요?
고려하고 있습니다~
내가 모자란가 식이나 이런기호들이 뭐이리 와닿지 않지
기초적인 수학기호에 익숙하지 않아서 그렇습니다.
수학적인 배경지식이 많이 없어도 좀 더 직관적으로 이해할 수 있도록 보다 노력해 보겠습니다~
![김성범[ 교수 / 산업경영공학부 ]](http://yt3.ggpht.com/ytc/AIdro_mWwhQeGQPwIyBiV88b5htY6vhPJfUXlhO1TKC6ur0wnA=s48-c-k-c0x00ffffff-no-rj)
![[핵심 머신러닝] 머신러닝 모델 학습 프로세스](http://i.ytimg.com/vi/FGPfQgHNgOU/mqdefault.jpg)
![[핵심 머신러닝] 머신러닝 모델 학습 프로세스](/img/tr.png)
![[핵심 머신러닝] 선형회귀모델 2 (파라미터 추정, 최소제곱법)](http://i.ytimg.com/vi/AZ45z0eGlaw/mqdefault.jpg)
![[핵심 머신러닝] 로지스틱회귀모델 2 (파라미터 추정, 해석)](http://i.ytimg.com/vi/Vh_7QttroGM/mqdefault.jpg)
![[핵심 머신러닝] 선형회귀모델 4 (R2, ANOVA)](/img/1.gif)
유학와서 linear regression 부분에 대한 통계학 수업듣다가 '선형 회귀' 라는 개념 자체가 이해가 안되서 계속 헤매다가 여기로 들어왔는데 이해가 잘되네요! 일단 한국어라서 너무 좋습니다... ㅋㅋ 감사합니다!
와.. 진짜 감탄밖에 안나옵니다. 대부분 강의에서 그렇다고 주입시키거나 아니면 수학적으로 알아들을 수 없게금 설명하는데.. 진짜 왜, 왜, 왜.. 왜 그런지 몰라서 쌓여만 가던 궁금증을 한방에 다 해결 했습니다.
감사합니다!
내용 너무 알차네요... 기계공학부 나와서 회사생활하다가 AI 관심 생겨 공부하다 참고하고 있습니다. 이런 강의 무료로 들을 수 있다는게 정말 행운이네요. 너무 감사합니다
감사합니다!
👍
제가 하루종일 고민했던 것의 답을 찾았습니다... 제 군생활에 한줄기 빛과 같은 분이십니다.
감사합니다. 고민하셨던 부분이 해결되었다니 기쁜 마음입니다.
처음 강의 부터 듣고 있는데 정말 직관적으로 잘 설명해주시네요 좋은 강의 정말 감사합니다
감사합니다!
넘 잘 듣고 있습니다. 감사합니다.
감사합니다!
13:00 E[Y] 에 대한 설명 감탄하고 갑니다. Y는 e엡실론 때문에 같이 확률변수가 됨
감사합니다!
식만 볼때는 잘 이해가 안됐는데 그래프의 평균분산 그림보고 이해가 되네요. ^^ 감사합니다.
감사합니다!
감사합니다 교수님
좋은 강의 감사합니다.
감사합니다 교수님!
고맙습니다.
감사합니다!!
감사합니다 ㅠ 왜 y평균이랑 x인지가 이해가 도저히 안갔는데 단번에 ㅎㅎ
교수님 강의 잘 듣고있습니다.ㅎㅎ 항상 감사합니다. 강의를 듣다가 궁금한 점이 생겼는데, 비선형회귀는 Y와 X의 관계로 정해지는 것이 아니라, 강의에서 정의하신 Y와 B(회귀변수,파라미터)와의 선형/비선형 관계로 정해지는 것으로 알고 있는데 아닌가요???
상수에 대한 분산이 0이 되는 이유를 설명해주세요 ㅠㅠ
분산 공식을 한번 보세요.
분산은 데이타가 기대값(평균)으로부터 얼마나 떨어진 곳에 분포하는지를 나타내는데,
상수는 고정된 값이므로 분산이 '0'인 것입니다.
14:05
X는 확률변수가 아니라 상수입니다. X는 주어진 데이터라고 보시면 됩니다. Y는 확률분포를 따르는 변수입니다. 왜냐하면 다음 식에서 e가 정규분포를 따르기 때문입니다. Y=b0+b1+e, e~N(0, sigma^2)
저도 헷갈렸는데 특정 하나의 X값일 때 Y값의 확률분포라고 생각하시면 될 듯 합니다.
교수님의 추가 설명 그래프에도 특점 점에서의 정규분포가 도사되어있네요.
질문자님의 관점으로 나아가면
저 직선상의 모든 점에 저런 정규분포가 도사된다고 생각하면 되겠네요 ㅎㅎ
교수님 강의 너무 잘 듣고 있습니다!
질문이 하나 있습니다. 선형 회귀라는 것이 항상 직선이나 평면으로 존재해야 한다는 뜻인가요? (찾아봤는데 다 설명이 달라서 질문 드렸습니다!)
선형의 경우 그렇게 보시면 됩니다. 다만, 너무 기하학적 (평면, 직선)으로 보시기 보다는 X변수들의 선형결합으로 표현한 모델을 선형회귀모델로 이해하시면 좋습니다.
9월 7일 학습완료
안녕하세요 교수님 다름이 아니라 멤버십 이용자의 경우 ppt를 제공받을 수 있는 서비스가 생긴다면 큰 도움이 될 것 같습니다.. 저의 개인적인 생각일 뿐이고 실례가 되었다면 죄송합니다. 항상 감사합니다~
혹시 강의 ppt자료를 가지고 싶은데 어떻게 안될까요?
고려하고 있습니다~
내가 모자란가 식이나 이런기호들이 뭐이리 와닿지 않지
기초적인 수학기호에 익숙하지 않아서 그렇습니다.
수학적인 배경지식이 많이 없어도 좀 더 직관적으로 이해할 수 있도록 보다 노력해 보겠습니다~