Empfohlen
Weitere ähnliche Inhalte
Ähnlich wie 패턴인식과 기계학습-패턴인식기개발
Ähnlich wie 패턴인식과 기계학습-패턴인식기개발 (13)
Mehr von jdo
Mehr von jdo (20)
패턴인식과 기계학습-패턴인식기개발
- 2. 복습
- 3. 복습
- 4. 복습
- 5. 복습
- 6. 복습
- 7. 1. 2차원 데이터의 분류
- 8. 1. 2차원 데이터의 분류 데이터의 생성 모집단의 확률분포 정의 랜덤 데이터 추출 두 클래스 𝐶1, 𝐶2에 대하여 가우시안 분포 를 따르는 확률분포 정의
- 9. 1. 2차원 데이터의 분류 데이터의 생성 p(x 𝐶1 ~ 𝐺(𝜇1,∑1), p(x 𝐶2 ~ 𝐺(𝜇2,∑2) 𝜇1 = 3 5 , ∑1 = 1 1 1 2 , 𝜇2 = 5 3 , ∑2 = 1 1 1 2 클래스 𝐶1, 𝐶2에 대한 분포 식 matlab 코드 가우시안 분포를 따르는 두 클래스로 이루어진 데이터 집합
- 10. 1. 2차원 데이터의 분류 데이터의 학습(분석) 학습 및 시험 데이터 준비 데이터 분포 특성 분석 결정경계 찾기
- 11. 1. 2차원 데이터의 분류 데이터의 학습(분석) 학습 및 시험 데이터 준비 데이터 분포 특성 분석 결정경계 찾기
- 12. 1. 2차원 데이터의 분류 데이터의 학습(분석) 학습 및 시험 데이터 준비 데이터 분포 특성 분석 결정경계 찾기 학습
- 13. 1. 2차원 데이터의 분류 데이터의 학습(분석) 학습 및 시험 데이터 준비 데이터 분포 특성 분석 결정경계 찾기간단한 통계 계산 복잡한 결정경계 학습 방법 학습
- 14. 1. 2차원 데이터의 분류 데이터의 학습(분석) 학습 평균, 공분산 계산
- 15. 1. 2차원 데이터의 분류 데이터의 학습(분석) 𝑚1= 2.7566 4.7419 , 𝑆1 = 1.3883 1.8897 1.8897 3.5530 𝑚2= 4.7313 2.8251 , 𝑆2 = 0.8770 0.6369 0.6369 0.9920 데이터 행렬의 평균과 공분산 행렬 matlab 코드학습데이터로 추정된 평균(𝑚1, 𝑚2)와 실평균(𝜇1, 𝜇2)
- 16. 1. 2차원 데이터의 분류 데이터의 분류 : 결정경계의 설정 𝑚1= 2.7566 4.7419 , 𝑆1 = 1.3883 1.8897 1.8897 3.5530 𝑚2= 4.7313 2.8251 , 𝑆2 = 0.8770 0.6369 0.6369 0.9920 데이터 행렬의 평균과 공분산 행렬 평균을 이용하여 간단한 결정경계를 찾을 수 있다
- 17. 1. 2차원 데이터의 분류 데이터의 분류 : 결정경계의 설정 학습데이터로 추정된 평균(𝑚1, 𝑚2)와 실평균(𝜇1, 𝜇2)
- 18. 1. 2차원 데이터의 분류 데이터의 분류 : 결정경계의 설정 𝒙 𝒏𝒆𝒘
- 19. 1. 2차원 데이터의 분류 데이터의 분류 : 결정경계의 설정 두 점 𝒙 𝟏, 𝒙 𝟐 간의 거리 =>d(𝒙 𝟏, 𝒙 𝟐) d(𝒎 𝟏, 𝒙 𝒏𝒆𝒘) d(𝒎 𝟐, 𝒙 𝒏𝒆𝒘)
- 20. 1. 2차원 데이터의 분류 데이터의 분류 : 결정경계의 설정 두 점 𝒙 𝟏, 𝒙 𝟐 간의 거리 =>d(𝒙 𝟏, 𝒙 𝟐) d(𝒎 𝟏, 𝒙 𝒏𝒆𝒘) d(𝒎 𝟐, 𝒙 𝒏𝒆𝒘) d(𝒎 𝟏, 𝒙 𝒏𝒆𝒘) < d(𝒎 𝟐, 𝒙 𝒏𝒆𝒘) 𝒙 𝒏𝒆𝒘는 𝒎 𝟏에 더 가깝다 𝒙 𝒏𝒆𝒘는 𝑪 𝟏으로 분류
- 21. 1. 2차원 데이터의 분류 데이터의 분류 : 결정경계의 설정 두 점 𝒙 𝟏, 𝒙 𝟐 간의 거리 =>d(𝒙 𝟏, 𝒙 𝟐) d(𝒎 𝟏, 𝒙 𝒏𝒆𝒘) d(𝒎 𝟐, 𝒙 𝒏𝒆𝒘) 결정경계 함수 g(x)=0 g(x) = d(𝒙 , 𝒎 𝟐)-d(𝒙 , 𝒎 𝟏) = 0 y(x) = 𝟏 𝒊𝒇 𝒈 𝒙 > 𝟎 −𝟏 𝒊𝒇 𝒈 𝒙 < 𝟎
- 22. 1. 2차원 데이터의 분류 데이터의 분류 : 결정경계의 설정 결정경계 함수 g(x)=0 g(x) = d(𝒙 , 𝒎 𝟐)-d(𝒙 , 𝒎 𝟏) = 0 y(x) = 𝟏 𝒊𝒇 𝒈 𝒙 > 𝟎 −𝟏 𝒊𝒇 𝒈 𝒙 < 𝟎 유클리디안 거리의 제곱 g(x) = d(𝒙 , 𝒎 𝟐)-d(𝒙 , 𝒎 𝟏) = 𝒙 − 𝒎 𝟏 𝑻 𝒙 − 𝒎 𝟏 - 𝒙 − 𝒎 𝟐 𝑻 𝒙 − 𝒎 𝟐 = -2 𝒎 𝟏− 𝒎 𝟐 𝑻 𝒙 + 𝒎 𝟏 𝑻 𝒎 𝟏 - 𝒎 𝟐 𝑻
- 23. 1. 2차원 데이터의 분류 데이터의 분류 : 결정경계의 설정 g(x)=0
- 24. 1. 2차원 데이터의 분류 데이터의 분류 : 결정경계의 설정 g(x)=0 판별함수 y(x) = 𝟏 𝒊𝒇 𝒈 𝒙 > 𝟎 −𝟏 𝒊𝒇 𝒈 𝒙 < 𝟎 결정경계 g(𝒙 𝒏𝒆𝒘)> 0 y(𝒙 𝒏𝒆𝒘) = 1 𝒙 𝒏𝒆𝒘는 𝑪 𝟏에 해당한다
- 25. 1. 2차원 데이터의 분류 성능 평가 학습 및 시험 데이터 준비 데이터 학습 (분포 특성 분석) 데이터 분류 (결정경계 찾기) 성능 평가
- 26. 1. 2차원 데이터의 분류 성능 평가 학습 및 시험 데이터 준비 데이터 학습 (분포 특성 분석) 데이터 분류 (결정경계 찾기) 성능 평가 분류 오차로 성능 개선
- 27. 1. 2차원 데이터의 분류 성능 평가 1. 데이터 1000개 데이터 생성
- 28. 1. 2차원 데이터의 분류 성능 평가 2. 데이터 학습
- 29. 1. 2차원 데이터의 분류 성능 평가 3. 성능 평가 => 오차율 = 4.1%
- 30. 2. 숫자 데이터의 분류
- 31. 2. 숫자 데이터의 분류 데이터 수집과 전처리
- 32. 2. 숫자 데이터의 분류 데이터 수집과 전처리
- 33. 2. 숫자 데이터의 분류 데이터 수집과 전처리 전 처 리 크기 정규화, 이진화
- 34. 2. 숫자 데이터의 분류 데이터 수집과 전처리 전처리된 데이터 수집 전처리된 데이터
- 35. 2. 숫자 데이터의 분류 데이터 수집과 전처리 2차원 영상 데이터가 벡터 형태로 직렬화
- 36. 2. 숫자 데이터의 분류 데이터 수집과 전처리 2차원 데이터가 벡터형태로 변환 . . .
- 37. 2. 숫자 데이터의 분류 데이터 학습과 결정 경계 학습 된 평균영상 데이터
- 38. 2. 숫자 데이터의 분류 분류 및 성능평가 학습 오차 : 2% 테스트 오차 : 15%
- 39. 감사합니다