728x90
이 게시글은 김성범 교수님의 유튜브 강의를 정리한 내용입니다.
내용과 사진의 각 출처는 김성범 교수님께 있음을 미리 알립니다.
해당 게시글 강의 영상 : https://www.youtube.com/watch?v=uqfWFIcIF6s&list=PLpIPLT0Pf7IoTxTCi2MEQ94MZnHaxrP0j&index=32
파라미터 추정 알고리즘
- Least square estimator
- Estimator(추정량) : 샘플의 함수
- 추정량의 용도 : 알려지지 않은 파라미터(B0,B1)를 추정
- 추정량의 종류 (1) 점추정 (point estimator) , (2) 구간추정 (interval estimator)
파라미터에 대한 점추정
최소제곱법 추정량 성질
- Gauss-Markov 이론에 의하면 최소제곱법에서 추정되는 B0과 B1은 Best Linear Unbiased Estimator(BLUE)
- BLUE의 특징 (1) 편중되지 않은 (불편)추정량이다. (2) 가장 작은 분산은 갖고 있다.
파라미터에 대한 구간추정
- 점추정
- 구간추정
- 구간으로 추정하여 보다 유연한 정보 제공
- 기울기에 대한 신뢰구간
(B0는 많이 활용되지는 않음, 참고용)
기울기에 대한 가설검정
- 알려지지 않은 파라미터에 대한 가설을 세우고 이를 검정
- 일종오류 ∝ 하에서 기울기가 0인지 아닌지 검정
728x90
'공부정리 > Deep learnig & Machine learning' 카테고리의 다른 글
| [핵심 머신러닝] K-nearest neighbors & Distance Measures - 강의 정리 (0) | 2022.07.27 |
|---|---|
| [핵심 머신러닝] 선형회귀모델 4 (R2, ANOVA) - 강의 정리 (0) | 2022.07.22 |
| [핵심 머신러닝] 선형회귀모델 2 (파라미터 추정, 최소제곱법) - 강의 정리 (0) | 2022.07.22 |
| [핵심 머신러닝] 선형회귀모델 1 (개요, 모델가정) - 강의 정리 (0) | 2022.07.22 |
| [핵심 머신러닝] 수치예측, 범주예측 (분류) - 강의 정리 (0) | 2022.07.20 |