[코세라 머신러닝] 이상 탐지 Anomaly Detection 로그변환 오류 분석 새로운 feature 만들기

머신러닝 / 딥러닝 기초를 다지고자 coursera에서 Adrew Ng 교수가 진행하는 머신러닝 강의를 수강하게 되었다. 다음은 Anomaly Detection 강의 내용을 정리한 것이다.

Choosing What Features to Use 어떤 feature을 사용해야 할까? Non-Gaussian Features feature가 정규분포를 따르지 않을 때 Feature가 Gaussian 분포를 따르는 것이 이상적이겠지만, 사실 그렇지 못한 경우가 종종 있다.

Non-Gaussian Feature를 이용할 때는 Feature을 약간 조정해서 Gaussian 분포를 따르도록 할 수 있다. 예를 들어, 이래와 같은 분포를 보이는 feature를 이용할 경우 log를 취하면, Gaussian 분포에 가까운 분포로 수정할 수 있다.

로그 변환 이외에도, log(x+c), sqrt(x), xc 등을 이용하여 feature transformation을 할 수 있다. Error Analysi...

요청 처리 중입니다...

[코세라 머신러닝] 이상 탐지 Anomaly Detection 로그변환 오류 분석 새로운 feature 만들기

등록된 다른 글