Data Analysis for Investment & Control

인공지능 분야에서 불확실성은 중요한 개념 중 하나이다. 데이터가 충분하지 못하거나 노이즈가 포함된 체로 데이터 처리를 해야할 경우가 많기 때문에 이를 가능하면 정확하고 정량적으로 표현을 해야하기 때문이다. 확률 이론은 이를 위한 수학적인 툴을 제공한다. 표현 방식은 다음과 같이 쓸 수 있다. 어떤 사건 X가 발생할 확률을 의미한다. X가 발생할 가능성이 전혀 없다면 0, 모든 케이스에 대해 발생한다면 1이 된다. 동전을 100번 던졌을 때 앞면이 나오는 경우가 53번이었다면 p(X=앞면) = 0.53이 된다. 조건부 확률, Conditional Probability 어떤 일이 발생할 확률이 두 가지 이상의 종류로 구분지어지는 경우를 알아보자. (조건부 확률에 대한 적당한 예제 - 동전과 주사위를 동시에 ..

이 포스팅은 위키백과의 내용을 참고해서 작성하였음을 알려드립니다. 베이즈 정리Bayes' Rule은 두 확률 변수의 사전 확률과 사후 확률 사이의 관계를 나타내는 정리이다. 베이즈 정리는 불확실성 하에서 의사결정문제를 수학적으로 다룰 때 사용된다. 확률 이론에 대한 사전 지식은 다음 포스팅을 참조 >> Probability Theory, 확률 이론 수학적으로 다음의 수식이 성립한다. P(A)는 A의 Prior(사전 확률, 사전 지식)으로 B에 대한 어떠한 정보도 알지 못하는 것을 의미한다. Classification 문제에서 A라는 클래스가 얻어질 확률이 P(A)라는 말이다. P(A|B)는 B가 주어졌을 때 A가 나올 Posterior(사후 확률)이다. 즉, B라는 입력 데이터가 주어졌을 때 이 데이터가..