스터지스 규칙 (Sturges' rule) 스터지스 규칙은 연속형 데이터의 도수분포표를 작성하거나 히스토그램을 그릴 때, 데이터의 총 개수를 바탕으로 최적의 계급(Bin) 수를 결정하기 위해 사용되는 통계적 공식이다. 1. 개요 데이터 분석 과정에서 원시 데이터를 구간별로 나누어 빈도를 측정하는 도수분포표(Frequency Distribution Table…
검색 결과
"최솟값"에 대한 검색 결과 (총 45개)
LFU (Least Frequently Used) 1. 개요 LFU(Least Frequently Used)는 캐시 메모리가 가득 찼을 때, 참조 횟수가 가장 적은 항목을 우선적으로 제거하여 새로운 데이터를 수용하는 캐시 교체 알고리즘이다. 캐시 교체 알고리즘의 핵심 목적은 한정된 메모리 공간 내에서 '히트율(Hit Rate, 요청한 데이터가 캐시에 존재할…
에너지 최소화 (Energy Minimization) 1. 개요 에너지 최소화(Energy Minimization)란 물리적 시스템의 포텐셜 에너지를 최소화하는 원자 또는 입자들의 좌표 배치를 찾는 수치적 최적화 과정으로, 시스템이 가장 안정된 상태인 평형 상태(Equilibrium State)에 도달하도록 하는 계산 기법이다. 2. 물리적 원리와 배경 2…
역전파 알고리즘 (Backpropagation) 1. 개요 역전파 알고리즘(Backpropagation)은 인공신경망(Artificial Neural Network)의 가중치를 업데이트하기 위해 손실 함수의 기울기를 효율적으로 계산하는 방법이다. 출력층에서 발생한 오차를 입력층 방향으로 역방향으로 전파하며 각 층의 가중치(Weight)와 편향(Bias)을 …
최적화 문제 (Optimization Problem) 1. 개요 최적화 문제란 주어진 제약 조건 하에서 특정 목적 함수(Objective Function)의 값을 최대화하거나 최소화하는 최적의 변수 값을 찾는 수학적 문제를 말한다. 최적화는 단순히 수학적 이론에 그치지 않고, 일상생활과 산업 전반에서 효율성을 극대화하기 위해 광범위하게 사용된다. 예를 들어…
최소 주기 (Fundamental Period) 최소 주기란 [[주기 함수]]에서 함수 값이 반복되는 가장 짧은 양수의 간격을 의미한다. 1. 정의 및 개념 주기 함수(Periodic Function)란 정의역의 모든 에 대하여 어떤 양수 가 존재하여 를 만족하는 함수를 말한다. 이때 를 이 함수의 주기(Period)라고 한다. 최소 주기(Fundament…
Denoising Autoencoders (DAE) 본 문서는 수식을 사용하여 작성되었습니다. 1. 개요 Denoising Autoencoder (DAE)는 입력 데이터에 의도적으로 노이즈(Noise)를 추가한 뒤, 이를 다시 원본 데이터로 복원하도록 학습함으로써 데이터의 강건한(Robust) 특징을 추출하는 비지도 학습 기반의 신경망 구조이다. 일반적인 …
Q2 (제2사분위수) Q2(제2사분위수, Second Quartile)는 정렬된 데이터 집합을 4등분했을 때 두 번째로 위치하는 지점으로, 전체 데이터의 정확히 50%가 이 값보다 작거나 같고 나머지 50%가 이 값보다 크거나 같은 지점을 의미한다. 1. 정의 및 개념 Q2는 통계학에서 데이터의 중심 경향성을 나타내는 대표적인 지표 중 하나이다. 가장 핵심…
파이썬 리스트 (Python List) 1. 개요 파이썬의 리스트(List)는 여러 개의 데이터를 순서대로 저장할 수 있는 가변(Mutable) 시퀀스 자료형이다. 리스트는 다음과 같은 핵심 특징을 가진다. 가변성(Mutability): 생성 후에도 요소를 수정, 추가, 삭제할 수 있다. 순서 유지(Ordered): 요소들이 삽입된 순서가 유지되며, 인덱스…
로그 변환 개요 로그 변환(log transformation)은 데이터 과학 및 통계 분석에서 자주 사용되는 비선형 데이터 변환 기법으로, 주로 비대칭적이고 오른쪽으로 치우친(right-skewed) 연속형 변수의 분포를 정규 분포에 가깝게 만들기 위해 활용된다. 특히 지수적 성장 패턴을 보이거나 값의 범위가 매우 넓은 데이터(예: 소득, 인구, 웹 방문 …
경사 하강법 개요 경사 하강법(Gradient Descent)은 머신러닝에서 모델의 파라미터를 최적화하기 위한 기본적인 최적화 알고리즘입니다. 이 방법은 비용 함수(cost function)의 기울기(gradient)를 계산하여, 매개변수를 반복적으로 조정해 최소값을 찾는 과정입니다. 경사 하강법은 신경망, 회귀 모델 등 다양한 학습 알고리즘에서 핵심적인 …
전역 정규화 (Global Normalization) 1. 개요 전역 정규화(Global Normalization)란 머신러닝 모델 학습 전, 데이터셋 전체의 통계량(평균, 표준편차, 최솟값, 최댓값 등)을 산출하여 모든 개별 데이터를 일정한 범위나 분포로 변환하는 데이터 전처리 기법이다. 이 과정의 주된 목적은 서로 다른 단위(Unit)나 스케일을 가진 …
모델 훈련 개요 모델 훈련(Model)은 머신닝(Machine Learning) 핵심 과정, 주어진 데이터를 기반으로 모델이 특정 작업을 수행할 수 있도록 학습시키는 절차를 의미합니다. 이 과정에서 알고리즘은 입력 데이터와 정답(라벨) 사이의 관계를 학습하여, 새로운 데이터에 대해 정확한 예측이나 판단을 내릴 수 있는 능력을 획득하게 됩니다. 모델 훈련은 …
CloudCompare 1. 개요 CloudCompare는 3D 점구름(Point Cloud) 데이터의 처리, 비교 및 분석을 위해 설계된 오픈 소스 기반의 전문 소프트웨어입니다. 점구름이란 LiDAR(라이다) 스캐닝이나 사진측량(Photogrammetry)을 통해 획득한 3차원 공간상의 수많은 점들의 집합을 의미합니다. CloudCompare는 이러한 대…
대비 (Contrast) 1. 개요 대비(Contrast)란 이미지 내에서 가장 밝은 영역과 가장 어두운 영역 사이의 밝기 차이를 의미하며, 이미지의 시각적 명료도와 디테일을 결정짓는 핵심적인 텍스처 특징량이다. 대비가 높을수록 밝고 어두운 부분의 구분이 뚜렷하여 피사체가 선명하게 보이며, 대비가 낮을수록 전체적인 톤이 비슷해져 이미지가 평평하거나 흐릿하게…
편향-분산 트레이드오프 (Bias-Variance Tradeoff) 1. 개요 편향-분산 트레이드오프(Bias-Variance Tradeoff)란 머신러닝 모델의 예측 성능을 결정하는 두 가지 핵심 요소인 편향(Bias)과 분산(Variance) 사이의 상충 관계를 의미하며, 모델의 복잡도를 조절하여 전체 오차(Total Error)를 최소화하는 최적의 지…
그레이디언트 부스팅 (Gradient Boosting) 개요 그레이디언트 부스팅(Gradient Boosting)은 머신러닝 분야에서 널리 사용되는 강력한 앙상블 학습(Ensemble Learning) 알고리즘 중 하나입니다. 이 기법은 약한 학습기(Weak Learner), 주로 결정 트리(Decision Tree)를 순차적으로 학습시켜 하나의 강력한 예…
Box plot 개요 박스 플롯(Box plot), 또는 상자 수염 그림(box-and-whisker plot)은 데이터의 분포를 시각적으로 표현하는 통계 그래프의 일종입니다. 이 그래프는 데이터의 중심 경향, 산포도, 왜도, 이상치(outlier) 등을 한눈에 파악할 수 있게 해주며, 특히 여러 그룹 간의 분포를 비교할 때 매우 유용합니다. 박스 플롯은 …
비용 함수 개요 비용 함수(Cost Function), 손실 함수(Loss Function는 머신러닝 및 데이터과학에서 모델의 예측 성능을 정적으로 평가하는 데 사용되는 핵심 개념이다. 이 함수는 모이 실제 데이터를 기반으로 예측한 값과 실제 관측값 사이의 차이, 즉 '오차'를 수치화하여 모델이 얼마나 잘못 예측하고 있는지를 나타낸다. 비용 함수의 목적은 …
수치적 방법 개요 수치적 방법(Numerical Methods)은 재무 모델링에서 해석적으로 정확한 해를 구하기 어려운 복잡한 수학적 문제를 근사적으로 해결하기 위한 계산 기법을 의미합니다. 재무 분야에서는 옵션 가격 결정, 리스크 측정, 포트폴리오 최적화, 현금흐름 예측 등 다양한 문제에 직면하게 되며, 이러한 문제들은 종종 비선형 방정식, 확률 과정, …