Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | |||||
| 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| 10 | 11 | 12 | 13 | 14 | 15 | 16 |
| 17 | 18 | 19 | 20 | 21 | 22 | 23 |
| 24 | 25 | 26 | 27 | 28 | 29 | 30 |
Tags
- Deep Learning Specialization
- 시각화
- Google ML Bootcamp
- SQLD
- 이것이 코딩테스트다
- 파이썬
- ML
- 코딩테스트
- 태블로
- pytorch
- 데이터 전처리
- sklearn
- r
- Python
- 데이터 분석
- 통계
- tableau
- IRIS
- 자격증
- 딥러닝
- pandas
- 데이터분석준전문가
- matplotlib
- scikit learn
- 이코테
- 데이터분석
- 회귀분석
- 머신러닝
- ADsP
- SQL
Archives
- Today
- Total
목록MLE (1)
함께하는 데이터 분석
[회귀분석] Simple linear regression LSE·MLE
안녕하세요. 오늘은 단순 선형 회귀모형에서 모수인 β_0, β_1을 추정하기 위한 방법으로 LSE(least Square Estimation)과 MLE(Maximum Likelihood Estimation)을 알아보겠습니다. 단순 선형회귀식 이때 입실론을 남기고 좌변으로 넘기면 아래의 식이 완성됩니다. 입실론 입실론은 그래프 상으로 위와 같은 파란색 선분의 길이입니다. 이때 LSE(Least Square Estimation)는 즉, 길이의 제곱의 합이 최소가 되는 최소제곱법을 나타냅니다. Fitting Model SSE(Sum of Square Estimation) 우리가 가장 많이 쓰는 방법입니다. 우리의 목표는 입실론의 제곱의 합이 최소가 되게 하는 것이죠. SAD(Sum of Absolute Dif..
통계학과 수업 기록/회귀분석
2022. 3. 26. 15:04