Wait a moment...
안녕하세요, Jay 입니다. 인공지능과 웹 기술의 교차점에서 새로운 가치를 만듭니다.코드 속에 담긴 논리와 일상 속에 숨은 영감을 기록합니다.
“`html 앞선 글에서는 확률변수(Random Variable)가 평균적으로 어떤 값을 가지는지를 설명하는 Expectation(기댓값)에 대해 살펴봤다. 기댓값을 알고 있다면 확률분포의 평균적인 위치를 파악할 수 있다. 하지만 기댓값 하나만으로 데이터의 모든 특성을 이해할 수 있는 것은 아니다. 예를 들어 두 데이터셋의 평균이 같더라도, 하나는 모든 값이 평균 근처에 몰려 있고 다른 하나는 값들이 넓게 퍼져 있을 수 있다. 이처럼 ...
Expectation(기댓값)의 의미와 계산 방법을 주사위, 동전, 균일분포 예제로 정리한다. PMF·PDF를 이용한 기댓값, 표본평균과의 차이, 선형성과 머신러닝의 Expected Loss까지 알아본다.
PMF, PDF, CDF의 정의와 차이를 주사위와 연속 확률변수 예제로 정리한다. PMF의 확률, PDF의 확률밀도와 면적, CDF의 누적확률이 어떻게 연결되는지 알아본다.
DeepMind의 A3C 논문 「Asynchronous Methods for Deep Reinforcement Learning」을 바탕으로 asynchronous learning, Actor-Critic, Advantage, n-step return, entropy regularization을 DDQN과 비교하며 정리한다.