Home

Before getting started… In this article, we will first understand the working principle of the naive Bayes classifier and try to gain additional understanding of the background theory that led to its formula. Naive Bayes classifier is a type of probabilistic classifier that uses Bayes’ theorem. To understand the naive Bayes classifier, it is ...

시작하기에 앞서… 본 article에서는 나이브 베이즈 분류기의 작동 원리를 우선 파악하고, 그 수식을 얻게해준 배경 이론에 대해 추가적으로 이해해보고자 한다. 나이브 베이즈(naive Bayes) 분류기는 베이즈 정리를 이용해 만든 확률 분류기의 일종이다. 나이브 베이즈 분류기를 이해하기 위해서는 베이즈 정리의 수식보다는 베이즈 정리의 철학을 제대로 이해하는 것이 핵심적이다. 본 article을 더 잘 이해하기 위해선 아래의 내용에 대해 숙지하고 오는 것이 좋다. likelihood에 관한 이론: 최대우도법 소개 편 또한, 베이즈 정리에 대해 알고오면 더 도움이 될것이다. Bayes’ R...

The meaning of multiple integrals. Let's break down the volume under the function into smaller parts and add them up. ※ Using only the values of the lower part of the function surface, the estimated volume is smaller than the integral value. Starting from the concept of definite integrals The concept of multiple integrals can be understo...

중적분의 의미. 함수 아래에 있는 부피들을 잘게 쪼개서 더해주자. ※ 함수 곡면 아랫부분의 값만을 이용해 부피를 계산해주어 적분값보다는 추정 부피값이 작습니다. 정적분의 개념으로부터 출발 중적분의 개념은 여러가지 방식으로 이해할 수 있겠으나, 가장 시각적으로 이해하기 쉬운 넓이/부피의 계산에 관련된 내용으로부터 출발해보자. 고등학교 시절 구분구적법을 이용해 정적분의 개념을 익혔을 것이다. 그림 1은 구분구적법을 이용해 함수 곡선 아래의 넓이를 구해주는 과정을 보여주고 있다. 그림 1. 구분구적법을 이용해 함수 f(x) 아래의 넓이를 구해주는 과정을 통해 정적분의 개념을 얻었다....

※ In this article, we follow the convention of column vectors. ※ We would like to acknowledge that most of the content in this post was borrowed from Grant Sanderson’s Khan Academy Jacobian lecture. ※ Khan Academy video source: https://www.khanacademy.org/math/multivariable-calculus/multivariable-derivatives/jacobian/v/jacobian-prerequisite-kn...

※ Jacobian matrix의 정식 한글 명칭은 ‘야코비 행렬’인 것으로 보이나 통상적으로 많이 사용하는 ‘자코비안 행렬’로 부르고자 합니다. ※ 본 article에서는 열벡터(column vector) convention을 따릅니다. ※ 본 포스팅은 Grant Sanderson의 Khan Academy Jacobian 강의로부터 대부분의 내용을 차용했음을 밝힙니다. Khan Academy 영상 출처: https://www.khanacademy.org/math/multivariable-calculus/multivariable-derivatives/jacobian/v/jacobian-prerequisite-...

Transformation from s-plane to z-plane Move the slider to see the changes :D Laplace Transform and Z-transform ※ This post is taken from the Z-transform and Laplace Transform post of Z Transform. Z-transform can be thought of as the discrete time version of Laplace Transform. Let’s obtain the Z-transform by performing time sampling on ...

s-plane에서 z-plane으로의 변화 슬라이더를 움직여 보세요 ^^ 라플라스 변환과 z-변환 ※ 이 꼭지는 Z 변환 포스트의 Z-변환과 라플라스 변환 꼭지에서 가져왔습니다. Z-변환은 라플라스 변환의 discrete time 버전이라고 할 수 있다. 라플라스 변환의 식에서 시간 sampling을 해줌으로써 Z-변환을 얻어보자. 연속시간 신호$x(t)$에 대해 라플라스 변환은 다음과 같이 정의된다. \[\mathfrak{L}\left[x(t)\right] = X(s) = \int_{0^{-}}^{\infty}x(t) e^{-st}dt\] 여기서 연속시간 신호 $x(t)$를 시간 샘...