고양이 두 잔

목차 4.5 예제 2: 범주형 분포 (Categorical Distribution)두 번째 예제로, ${x_i}_{i=1}^I$에 대해 살펴본다. 여기서 각 $x_i \in \{1, 2, \dots, 6\}$이며, 이는 편향된 주사위의 관측값일 수 있다 (그림 4.9 참조).이러한 데이터를 설명하기 위해 범주형 분포(categorical distribution)를 사용한다. 범주형 분포는 정규화된 히스토그램과 동일하며, 확률은 다음과 같이 정의된다: $$Pr(x=k|λ_{1,...,6})=λ_k\tag{4.27}$$ 여기서 $\lambda_k$는 범주 $k$가 나올 확률을 의미하며, 모든 $\lambda_k$는 0 이상이고 다음을 만족해야 한다: $$\sum_{k=1}^6λ_k=1$$ 4.5.1 최..

목차 4.4 예제 1: 단변량 정규 분포 (Univariate Normal) 앞서 설명한 개념들을 구체적으로 보여주기 위해, 단변량 정규 모델(univariate normal model)을 스칼라 데이터 ${x_i}_{i=1}^I$에 피팅하는 예제를 다룬다.단변량 정규 모델의 확률 밀도 함수(pdf)는 다음과 같다: $$Pr(x|μ,σ^2)=\text{Norm}_x[μ,σ^2]=\frac{1}{\sqrt{2πσ^2}}\text{exp}(-\frac{1}{2}⋅\frac{(x−μ)^2}{σ^2})\tag{4.7}$$ 이 모델은 두 개의 매개변수를 가진다:평균(mean) $\mu$분산(variance) $\sigma^2$이제 평균 $\mu = 1$, 분산 $\sigma^2 = 1$인 단변량 정규 분포로부터..

목차 자바스크립트 문법에 익숙해지기 위해 가장 쉬운 알고리즘 문제를 풀었다가 당황을 했다. 첫 번째는 Node.js로 실행하면 내 입력을 기다리지 않고 프로그램을 종료시켜 버렸기 때문이고, 두 번째는 파이썬과 비교했을 때 코드의 길이가 굉장히 길고 한눈에 들어오지 않았기 때문이다. 첫 번째 문제는 이전 글에서 해결했으니, 이번엔 알고리즘의 풀이를 보면서 한 줄씩 읽으며 무슨 뜻인지 파악해야겠다. const 먼저, 문제의 풀이를 보면 아래와 같다. const rl = require('readline').createInterface({ input: process.stdin, output: process.stdout }); rl.question("", (line) => { const [a, b] = line...

Map Map 인터페이스는 Collection 인터페이스와는 다른 저장방식을 가진다. 키(key)와 값(value)을 하나의 쌍으로 저장하는 방식(key-value 방식)이 그것인데, 여기서 키(key)란 실질적인 값(value)을 찾기 위한 이름의 역할을 한다고 할 수 있다. 여기서 중요한 사실은 키는 중복저장될 수 없지만 값은 중복저장이 가능하다는 점이다. 만약 기존의 키와 같은 키에 다른 값을 저장하면, 값이 대체되는 효과가 발생한다. Map 인터페이스를 구현한 클래스는 HashMap, HashTable, TreeMap, SortedMap등이 있고, 공통으로 사용할 수 있는 메서드는 다음과 같다. HashMap HashMap 클래스는 Map 컬렉션 클래스에서 가장 많이 사용되는 클래스이다. Hash..