October 2024
Beginner to intermediate
340 pages
7h 38m
Korean
Content preview from 밑바닥부터 시작하는 딥러닝 5
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
110
밑바닥부터 시작하는 딥러닝 5
4.2.1
GMM
을 따르는 데이터 생성
[그림
4
-
6
]의 데이터를 생성하는 절차를 알아봅시다.
그림
4-6
GMM
으로 생성한 샘플의 산점도
이 데이터는 다음 절차에 따라 생성할 수 있습니다.
두 개의 정규 분포를 준비한다.
반복:
❶ 임의의 확률 분포에 따라 두 정규 분포 중 하나를 선택한다.
❷ 선택한 정규 분포에서 데이터를 생성한다.
즉 정규 분포를 두 개 준비한 다음, 정규 분포 선택과 데이터 생성을 반복하면 [그림
4
-
6
]과 같
은 샘플을 얻을 수 있습니다.
4.2.2
데이터 생성 코드
다음은 [그림
4
-
6
]의 샘플을 생성하는 코드입니다.
111
4
장
가우스 혼합 모델
import numpy as np
#
=======
학습된
매개변수
=======
mus
=
np
.
array([[2
.
0, 54
.
50],
[4
.
3, 80
.
0]])
covs
=
np
.
array([[[0
.
07, 0
.
44],
[0
.
44, 33
.
7]],
[[0
.
17, 0
.
94],
[0
.
94, 36
.
00 ]]])
phis
=
np
.
array([0
.
35, 0
.
65])
#
================================= ...