기댓값 최대화 알고리즘와 나이브 베이즈 분류

바로 가기: 차이점, 유사점, Jaccard 유사성 계수, 참고 문헌.

기댓값 최대화 알고리즘와 나이브 베이즈 분류의 차이

기댓값 최대화 알고리즘 vs. 나이브 베이즈 분류

올드페이스풀 간헐천 분화 데이터. 데이터가 정규분포 혼합 모델에서 관측되었다고 가정하고, 기댓값 최대화 클러스터 분석을 이용해 매개변수들을 추정하는 과정이다. 기댓값 최대화 과정이 반복됨에 따라 매개변수들이 수렴하고 두 개의 군집이 나타나는 것을 볼 수 있다. 기댓값 최대화 알고리즘(expectation-maximization algorithm, 약자 EM 알고리즘)은 관측되지 않는 잠재변수에 의존하는 확률 모델에서 최대가능도(maximum likelihood)나 최대사후확률(maximum a posteriori, 약자 MAP)을 갖는 매개변수를 찾는 반복적인 알고리즘이. 학습분야에서, '나이브 베이즈 분류(Naïve Bayes Classification)는 특성들 사이의 독립을 가정하는 베이즈 정리를 적용한 확률 분류기의 일종으로 1950 년대 이후 광범위하게 연구되고 있. 통계 및 컴퓨터 과학 문헌에서, 나이브 베이즈는 단순 베이즈, 독립 베이즈를 포함한 다양한 이름으로 알려져 있으며, 1960 년대 초에 텍스트 검색 커뮤니티에 다른 이름으로 소개되기도 하였.

매개변수

매개변수(媒介變數), 파라미터(parameter), 모수(母數)는 수학과 통계학에서 어떠한 시스템이나 함수의 특정한 성질을 나타내는 변수를 말. 일반적으로는 θ라고 표현되며, 다른 표시는 각각 독특한 뜻을.

기댓값 최대화 알고리즘와 매개변수 · 나이브 베이즈 분류와 매개변수 · 더보기 »

가능도

통계학에서, 가능도(可能度) 또는 우도(尤度)는 확률 분포의 모수가, 어떤 확률변수의 표집값과 일관되는 정도를 나타내는 값이.

가능도와 기댓값 최대화 알고리즘 · 가능도와 나이브 베이즈 분류 · 더보기 »

베이즈 추론

베이즈 추론(Bayesian inference)은 통계적 추론의 한 방법으로, 추론 대상의 사전 확률과 추가적인 정보를 통해 해당 대상의 사후 확률을 추론하는 방법이.

기댓값 최대화 알고리즘와 베이즈 추론 · 나이브 베이즈 분류와 베이즈 추론 · 더보기 »

기계 학습

학습(機械學習) 또는 머신 러닝()은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말. 가령, 기계 학습을 통해서 수신한 이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있. 기계 학습의 핵심은 표현(representation)과 일반화(generalization)에 있. 표현이란 데이터의 평가이며, 일반화란 아직 알 수 없는 데이터에 대한 처리이.

기계 학습와 기댓값 최대화 알고리즘 · 기계 학습와 나이브 베이즈 분류 · 더보기 »

다항 분포

항 분포는 여러 개의 값을 가질 수 있는 독립 확률변수들에 대한 확률분포로, 여러 번의 독립적 시행에서 각각의 값이 특정 횟수가 나타날 확률을 정의.

기댓값 최대화 알고리즘와 다항 분포 · 나이브 베이즈 분류와 다항 분포 · 더보기 »

평균

평균(平均)은 통계학에서 두 가지 서로 연관된 뜻이 있.

기댓값 최대화 알고리즘와 평균 · 나이브 베이즈 분류와 평균 · 더보기 »

이항 분포

이항 분포(二項分布)는 연속된 n번의 독립적 시행에서 각 시행이 확률 p를 가질 때의 이산 확률 분포이.

기댓값 최대화 알고리즘와 이항 분포 · 나이브 베이즈 분류와 이항 분포 · 더보기 »

조건부 확률

조건부 확률(conditional probability)은 어떤 사건 B가 일어났을 때 사건 A가 일어날 확률을 의미.

기댓값 최대화 알고리즘와 조건부 확률 · 나이브 베이즈 분류와 조건부 확률 · 더보기 »

최대가능도 방법

능도방법 (最大可能度方法) 또는 최대우도법(最大尤度法)은 어떤 확률변수에서 표집한 값들을 토대로 그 확률변수의 모수를 구하는 방법이.

기댓값 최대화 알고리즘와 최대가능도 방법 · 나이브 베이즈 분류와 최대가능도 방법 · 더보기 »