|
random variable & Plot the PMF of normal distriution
→ MATLAB 시뮬레이션 결과, (a) PMF(확률질량함수)와 (b) PDF(확률밀도함수)의 그래프 모양은 거의 일치함을 알 수 있었다. 그러나 (a) PMF는 이산확률변수 X의 분포를 함수로 나타낸 것으로 Discrete하며, (b) PDF
|
|
|
랜덤프로세스 과목중 베르누이 과정에대한 이론과 문제를 소개한 레포트 입니다. 베르누이시행의정의
이항랜덤변수
기하랜덤변수
파스칼랜덤변수
베르누이문제
질문과답변
|
|
|
random process X라 하고 X의 평균 power P를 구해보라.
2-2. X의 frequency 성분을 plot해 보아라. 이 때 신호의 크기가 2^14이므로 2^14 point FFT를 이용하여 magnitude를 plot해 본다. (참고: Matlab에서 fft를 수행한 후 fftshift를 해야 low frequency 성분이 plot의 가운
|
|
|
random variable에 해당할까? 수식을 이용해 PMF를 modeling해 보고, 실제 data를 분석해서 얻은 통계적 PMF와 비교해 보자. 실제 양상과 model은 잘 맞아떨어지는가? 차이가 있다면 어디서 발생한 것일까?>
-관측자의 한 번의 근무시간은 하루 6시간이다
|
|
|
random numbers.
R = RANDN(N) returns an N-by-N matrix containing pseudo-random values
drawn from a normal distribution with mean zero and standard deviation one.
RANDN(M,N) or RANDN([M,N]) returns an M-by-N matrix.
RANDN(M,N,P,...) or RANDN([M,N,P,...]) returns an M-by-N-by-P-by-... array.
RANDN wit
|
|
 |
변수
2.1.2. 타겟변수
2.2. 랜덤포레스트
2.3. 변수중요도
2.4. 다중공선성
3. 결과
3.1. 중요변수 도출
3.2. 고소득산업체수와 신혼부부수 사이의 연관성
4. 제안
4.1. 산학협력 플랫폼
4.2. 일본 후쿠이현의 사례
|
|
 |
정리하고, 부족한 데이터를 보완하기 위해 다양한 데이터 소스를 검토하며 변수를 추가하는 방식으로 문제를 해결해 나갔습니다. 또한, 단순한 회귀 분석뿐만 아니라 머신러닝 기반의 랜덤 포레스트, 로지스틱 회귀 등을 활용하여 예측 모델
|
|
 |
변수들을 탐색 분석을 통해 도출하고, 랜덤 포레스트 기법을 활용해 수요 예측 모델을 설계했습니다. 이를 통해 예산 범위 내에서의 거점 전략과 매출 증대안을 수립했으며, 이 성과를 인정받아 최우수 인턴으로 선정되었습니다.
둘째, 기획
|
|
 |
변수 간 복잡한 상관관계 등으로 인해 모델 성능 향상에 어려움을 겪었습니다. 저는 데이터 전처리를 철저히 하고, 다양한 이상 탐지 알고리즘을 실험하며 최적의 모델을 찾기 위해 노력했습니다. 특히, 오토인코더와 랜덤 포레스트 모델을
|
|
 |
변수를 도출하였습니다. 더불어 고객 중요도 우선순위를 기반으로 랜덤 포레스트 기법을 활용하여 거점 수요를 예측하였습니다. 그 결과 예산에 부합한 사업계획을 수립한 논리를 인정받아 최우수 인턴으로 선정되었습니다.
더불어 저의 기
|
|
 |
랜덤 포레스트(Random Forest) 및 LSTM(Long Short-Term Memory) 모델을 적용하여 시계열 데이터를 보다 정밀하게 분석하였습니다.
또한, 데이터 노이즈를 줄이기 위해 Feature Engineering을 수행하여 주요 변수만을 선별하고, 경제 지표별 중요도를 분석하여
|
|
메뉴펼치기
