L11.2 The PMF of a Function of a Discrete Random Variable
https://youtu.be/NRnAuKxx6XA

image
image

L11.3 A Linear Function of a Continuous Random Variable
https://youtu.be/11iF2ovjKOg

image
image

L11.4 A Linear Function of a Normal Random Variable
https://youtu.be/eFDU7t6Jxzc

image

L11.5 The PDF of a General Function
https://youtu.be/X-AzW70e2M0

image
image
image

L11.6 The Monotonic Case
https://youtu.be/PaI-oaOBHKU

image

상승곡선일때를 보여주고 있다.

image

하강 곡선일때를 보여주고 있다.

image

상승 하강 곡선에 대한 공식을 하나로 합친 경우이다.

image

L11.7 The Intuition for the Monotonic Case
https://youtu.be/zM39sZL9oGE

image

위 그림에서 우상단의 내용을 살펴보면

델타2는 델타1에 g(x)를 미분해서 얻어진 기울기를 곱한 값만큼 변하게 된다. 또 거꾸로 델타1은 델타2에 h(x)를 미분해서 얻어진 기울기를 곱한 값만큼 변하게 된다. 

L11.8 A Nonmonotonic Example
https://youtu.be/uFx7fWujWsU

image

L11.9 The PDF of a Function of Multiple Random Variables

https://youtu.be/X-krLprDrOI

image
image
image
image

image

setting working directory which has data set (look at the yellow circle)

image

data preprocessing 작업을 보여준다.

위의 작업을 하는 동안 error 가 발생했다. 아래와 같이 해결한다.

ModuleNotFoundError: No module named ‘sklearn.cross_validation’

May be it’s due to the deprecation of sklearn.cross_validation. Please replace sklearn.cross_validation with sklearn.model_selection

https://stackoverflow.com/a/53104241/3151712

LEARNING 과정

image

linear regression obj를 만들고 fit method를 통해 training matrix와 실제 결과값을 넣어준다. 이과정이 learning하는 과정이다. 

예상값 구하기 

image

linear regression obj의 predict method를 이용해서 test feature에 대한 예상값을 구한다. 이미 linear regresion obj에는 전단계에서 learning한 theta값들이 저장되어 있다.

그래프로 결과 나타내기

scatter는 점을 흩어 그리는 method이다. x, y 값을 넣어주고 색을 지정한다. plot은 선그래프를 그린다. x,y, 색을 지정해준다. 제목과 각축의 레이블을 붙여주고 show()를 이용 출력한다.

image
image
image

image

setting working directory which has data set (look at the yellow circle)

image

data preprocessing 작업을 보여준다.

위의 작업을 하는 동안 error 가 발생했다. 아래와 같이 해결한다.

ModuleNotFoundError: No module named ‘sklearn.cross_validation’

May be it’s due to the deprecation of sklearn.cross_validation. Please replace sklearn.cross_validation with sklearn.model_selection

https://stackoverflow.com/a/53104241/3151712

LEARNING 과정

image

linear regression obj를 만들고 fit method를 통해 training matrix와 실제 결과값을 넣어준다. 이과정이 learning하는 과정이다. 

예상값 구하기 

image

linear regression obj의 predict method를 이용해서 test feature에 대한 예상값을 구한다. 이미 linear regresion obj에는 전단계에서 learning한 theta값들이 저장되어 있다.

그래프로 결과 나타내기

scatter는 점을 흩어 그리는 method이다. x, y 값을 넣어주고 색을 지정한다. plot은 선그래프를 그린다. x,y, 색을 지정해준다. 제목과 각축의 레이블을 붙여주고 show()를 이용 출력한다.

What are the differences between LinearLayout, RelativeLayout, and AbsoluteLayout?