|
확률이 매우 작다는 것을 보아 지진의 수는 Poisson random variable이라고 할 수 있다. 다음의 두 PMF 그래프를 보면 X축이 커지면 거의 0이라는 점에서 비슷한 양상을 보이는데 이론적인 그래프는 곡선의 형태를 그리지만 data에 의존한 실험적 그래
|
|
|
정사각형(정육각형) 모양으로 좌표를 나타낸다. 그 공간의 한 점에 Point A, B, C가 있다는 것을 가정한다.
카메라로 촬영한 원본 이미지
원본 이미지 좌표
하지만, 위와 같은 방법으로 이미지를 추출할 경우는, COLOR의 수가 무한대에 가까울 정도
|
|
|
방법을 사용
>> Uniform = rand(100000,1);
>> for i=1:1:100000,
Rayleigh(i) = sqrt(-log(1-Uniform(i)));
end
>> hist(Rayleigh,100) 1. Uniform Random Number 생성
2. Exponential Random Number 만들고 Histogram 출력
3. Gaussian Random Number 생성
4. Rayleigh Random Number 생성
|
|
|
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
|
|
|
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
|
|
 |
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
|
|
|
확률이 적다는 결과도 나왔다.
다음으로 시간의 동향에 의한 특징은 시간이 지날수록 유방암 치료에 대한 수
술방법, 약물 등이 발달하기 때문에 생존률이 증가하는 것을 볼 수 있다.
참 고 문 헌
1) http://synapse.koreamed.org/Synapse/Data/PDFData/0096JBC/
|
|
|
반
2.898
.962
심화반
2.993
.992
합계
2.910
.965
[표8]은 사후검정을 통한 다중비교 결과이다. 이미 앞선 분석에서 요인 변수별 유의확률이 모두 유의수준 0.05를 넘었기 때문에, 각 요인에 대한 수준반 별 차이 또한 유의확률이 모두 유의수준 0.05를 넘
|
|
|
변수로 하여 분석하는 방법이다. 즉, 특정한 사항을 제한을 한 후 ANOVA분석을 하는 방법을 말한다.
각 논문을 비교, 분석 및 평가한 후 논문②가 가장 논문상에서 통계적 분석을 적절하게 사용했다고 결론을 내리게 되었다. 우선 통계분석 프
|
|
|
변수들의 확률분포를 가정해야하므로, 사전적으로 요구되는 정보의 양이 맴우 중요하다. 그러나 본 연구의 목적이 투자 의사결정과 적절한 투자금액 내에서의 최대이익을 낼 수 있는 사업안을 결정하는 것이기 때문에, 보다 세밀한 분석은
|
|
 |
확률 및 랜덤 프로세스에 대한 기초지식을 넓혔습니다. 더불어 Pre College 연계과정에 참여해 실질적인 공학 연구환경과 하이브리드 시스템 연구기반에 대해 직접 경험해 보기도 했습니다. 이제 전자,통신 분야의 세계 최고 전문가이신 지도 교
|
|
 |
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
|
|
메뉴펼치기
