본문 바로가기
반응형

전체 글22

Multi-Level Feedback Queue (MLFQ) 하나의 컴퓨터는 기본적으로 하나의 CPU를 갖는다. CPU는 쉽게 말해 컴퓨터의 연산 장치이다.따라서, 컴퓨터는 한 번의 하나의 연산밖에 수행하지 못한다... 라고 생각할 수 있다. 실제로도 그렇고. 하지만 우리가 실제로 컴퓨터를 이용하는 환경을 생각해 보면, 그렇지 않다. 동시에 여러 개의 프로그램을 켜두고, 작업을 진행하지 않는가?필자만 해도 블로그를 적으며 참고문헌을 위한 웹 브라우저를 추가로 열어두었으며, 백그라운드에서는 동시에 수십 개가 넘는 프로그램이 돌아가고 있다. OS는 한정된 CPU 자원을 여러 프로그램에게 효율적으로 분배해 주는 역할을 담당한다. (추가적으로 더 많은 역할이 있지만, 기본적으로는.)예를 들어, 컴퓨터에서 1, 2, 3번 프로그램을 실행한다고 해보자. 1, 2, 3번 프로.. 2026. 3. 17.
[통계적 학습] Validation set approach Random validation을 파이썬으로 실습해보자. 본 실습에서 사용되는 데이터는 ISLP 공식 사이트의 'Auto.data'를 이용하였다. Resources - ISL with Python — An Introduction to Statistical Learning www.statlearning.comAuto.data를 다운로드 받은 후 열어보자. ( 메모장으로도 열 수 있다. ) 그럼 다음과 같은 내용이 나올 것이다. 이를 Colab 환경에서 불러와보도록 하자. 좌측에 있는 파일 탭을 열어, Auto.data를 업로드한다.업로드 한 후, 파이썬 세션에 data를 불러와보자. data를 불러오는 명령어가 담긴 라이브러리는 pnadas이다.import pandas as pddf = pd.read_cs.. 2025. 8. 8.
[통계적 학습] 다중 선형 회귀 (Multiple Linear Regression) 하나의 Y를 설명하는 예측 변수(Predictor variable)가 하나 이상일 수 있다. 예를 들어, '성적'에 영향을 미치는 가장 대표적인 예측 변수는 '공부 시간'이겠지만, '수면 시간', '운동 시간', '직전 시험 성적' 등 다른 변수 또한 함께 영향을 미칠 수 있다. 선형 회귀는 다양한 예측 변수를 사용할 수 있는데, 이를 '단순 선형 회귀'와 구별하여 '다중 선형 회귀(Multiple Linear Regression)'라 부른다. 다중 선형 회귀 공식은 다음과 같이 쓸 수 있다. 예측 변수의 개수를 표현할 때 보통은 소문자 p를 사용하며, 선형 회귀의 차원(Dimension)과도 동의어로 인식된다. 다중 선형 회귀의 계수 추정 방법 또한 단순 선형 회귀와 똑같이, '최소 제곱법'의 아이디어.. 2025. 8. 6.
[통계적 학습] 단순 선형 회귀 (Simple Linear Regression) 여러 가지의 Input data와 그에 연결된 Output data가 존재하는 data set을 생각해보자.데이터를 바탕으로 그들 간에 특정한 관계가 있음을 추론해볼 수 있고, 이를 바탕으로 새로운 Input data가 주어졌을 때 Output을 예측해볼 수 있다.이를 수행하는 객체를 모델(Model)이라 부른다. 모델이 성공적으로 기능하기 위해서는, 우리가 모델을 학습시켜야 한다. 본 카테고리에서는 통계학적 기술을 이용한 통계적 학습(Statistical learning)에 대해 다루고 있다. 특히 통계적 학습의 하위 분야인 지도 학습(Supervised learning)에 대해 다루고 있다. 지도 학습을 위한 가장 간단한 접근은 선형 회귀(Linear regression)를 이용하는 것이다.선형 회.. 2025. 7. 16.
[통계적 학습] Ch.2 연습문제 풀이 Ch.2 Statistical Learning의 연습문제와 풀이문제의 출처와 저작권은 ISL 교재와 저자에게 있다. 따라서, 문제의 본문은 교재 PDF를 참고하길 바란다.1. 각각의 경우에 따라 유연한(Flexible) 기법이 유연하지 않은(Inflexible) 기법보다 성능이 좋은지, 나쁜지 판단하는 문제다. 유연한 모델은 단순히 생각하면 많은 데이터를 지날 수 있기 때문에 성능이 좋을 것 같지만, 주어지지 않은 값을 예측하는 데 있어 문제가 생길 수 있다. 너무 많은 데이터를 충족하려고 하다가 예측이 이상해지는 것을 overfitting, 과적합 문제라 한다. 과적합 문제는 데이터의 노이즈(축소 불가능한 오차와 같은)까지 실제 데이터로 추론하기 때문에 발생한다. 즉, 데이터에 노이즈가 있음을 어느 정.. 2025. 7. 14.
[통계적 학습] Lab 1. Introduction to Python ILSP 교재의 Python 실습 부분첫 장에서는 간단히 Python의 소개에 대해 다룬다.Python 설치 다양한 방법이 존재하는데, 필자는 구글이 제공하는 colab을 이용헀다. colab.googleColab is a hosted Jupyter Notebook service that requires no setup to use and provides free access to computing resources, including GPUs and TPUs. Colab is especially well suited to machine learning, data science, and education.colab.google브라우저 환경에서 편리하게 Python을 이용할 수 있다.들어가서 로그인 하고,.. 2025. 7. 14.
반응형

티스토리툴바