밑바닥부터 시작하는 딥러닝 5

112

밑바닥부터 시작하는 딥러닝 5

xs[i]

=

sample() #

샘플

추출

plt

.

scatter(xs[:,0], xs[:,1], color

=

'orange', alpha

=

0

.

7)

plt

.

xlabel('x')

plt

.

ylabel('y')

plt

.

show()

코드를 실행하면 두 개의 덩어리로 뭉친 산점도(그림

4

-

6

)를 얻을 수 있습니다.

4.3

가우스 혼합 모델의 수식

앞 절에서는 가우스 혼합 모델 (

GMM

)을 이용하여 데이터를 생성하는 방법을 알아보았습니

다. 다음 목표는

GMM

을 수식으로 표현하는 것입니다. 그러기 위해 결합 확률과 조건부 확률

이 무엇인지 복습해봅시다.

4.3.1

확률 복습

확률 변수

x

와

y

가 있다고 가정합시다. 이때

p

(

x

,

y

)

는

x

와

y

가 동시에 일어날 확률이며 이를

결합 확률

joint

probability

이라고 합니다. 한편

p

(

x

)

와

p

(

y

)

처럼

x

와

y

가 개별 사건으로 일어날 확률

은

주변 확률

marginal

probability

이라고 합니다.

결합 확률에서 특정 확률 변수를 제거하여 주변 확률을 구할 수 있습니다. 이를

주변화

marginalization

라고 합니다.

y

가 이산 변수라면 주변화는 다음 식으로 표현합니다.

y

가 연속 변수라면 주변화는 다음 식으로 표현합니다.