블로그를 좀 보다 보니까 글씨 크기가 큰 느낌이더라구요? 큼직큼직한게 보기는 좋은데 오히려 너무 크니까 잘 안읽히는 느낌이 강했습니다. 그래서 글씨 크기를 변경하는 겸 포스팅 하려고 합니다. 생각보다 간단해요~ 그럼 깃허브 블로그 글씨 크기를 변경해봅시다. 📑 _reset.scss 변경 📑_reset.scss에서 변경해주면 간단하게 바뀝니다! 해당 경로는 _sass/minimal-mistakes/_reset.scss입니다. html { /* apply a natural box layout model to all elements */ box-sizing: border-box; background-color: $background-color; font-size: 17px; @include breakpoint..
◼️ 모든 글 ◼️
지금 블로그 색상도 마음에 들긴 하는데, 뭔가 보면 볼수록 테크블로그 같지는 않달까..? 좀 모바일 중소기업 사이트 느낌이 들더라구요 하하.. 그래서 색상을 좀 변경할 겸 포스팅을 하려고 합니다! 우선 원래 제 블로그 입니다.(2023-06-28 기준.. 보고있는 지금은 또 어떻게 바뀌었으려나) | 👉 색상 선택 우선 바꿀 색상을 선택해줘야겠죠? 저는 해당 사이트를 애용하는 편입니다. HTML 색상 코드 차트 🎨 해당 사이트에서 원하는 색상을 선택해주세요! 저의 경우 분홍색의 테마 색상을 좀더 붉은 빨강으로 바꿔줄거에요. 원래는 보는 분들 눈이 아플까봐 연한색으로 한건데, 어처피 보러 오시지 않는 흑흑 ㅜㅜ 아래와 같이 원하는 색상을 찍은뒤 아래 #xxxxxx처럼 여섯자리 코드를 복사해주세요! 📑 _co..
학과 특성상 과제나 공부를 할 때 Latex 문법을 많이 사용합니다. 공부한 내용들을 포스팅 할 때마다 Latex를 Word에서 따로 작성하여 캡쳐하고 붙여넣기 하고.. 너무나 번거로워서 결국 Git 블로그에 LaTeX 적용해보려고 합니다. 실제로 이 글을 기준으로 전 글들은 다 캡쳐본! 📑 _config.yml 변경 📑_config.yml 파일 내용을 변경해주어야 합니다. 우리가 익숙한 markdown을 latex를 지원하는 kramdown으로 변경해줍니다. # Conversion markdown: kramdown highlighter: rouge lsi: false excerpt_separator: "\n\n" incremental: false 최근 시기에 블로그를 시작한 분이라면 이미 이렇게 적용되..
📌 Bagging(배깅) 배깅(Bagging)은 앙상블 학습 방법 중 하나입니다. 단일 모델, 즉 단 하나의 모델이 아닌 여러 개의 모델을 독립적으로 학습시킨 후에 결과를 투표 방식(Catrgorical 일 때) 혹은 평균으로(Continuous 일 때) 집계합니다. 쉽게 말하면 범주형 변수의 경우 10개의 모델 중에 8개 모델이 A로, 2개의 모델이 B로 예측하였을 경우, 투표방식으로 최종 A로 분류합니다. 연속형 변수의 경우 10개 모델의 결과를 평균을 내어 예측 값을 결정합니다. 이 bagging 방법은 다양한 모델을 학습하고 예측을 결합함으로써 모델의 분산을 줄이고, 예측 정확도를 향싱시킬 수 있습니다. 이름이 Bagging인데는 이유가 있습니다. 바로 Bootstrap aggregation(부트..
📌 PRUNING Tree 모델의 과적합을 막고 계산량을 줄이기 위해서 PRUNING이라는 것을 할 수 있습니다. Pruning은 가지치기라고 합니다. 하부 tree를 제거하여 깊이가 줄어드는 방법을 이용합니다. 아래와 같은 가정을 해봅시다. $T$ : 나무의 개수 $|T|$ : 나무의 터미널 노드 개수(맨 마지막 노드) $T_1, T_2, ..., T_k$ : 나무의 터미널 노드들 $r(T_i)$ : $T_i$노드에 할당된 class $L(i,j)$ : 손실 행렬 $P(T_i) = \sum_{j=1}^C \pi_jP(T_i,|j)$ : 여기서 $\pi_j$는 클래스 j에 대한 사전 확률 위 가정으로 $T_i$의 risk는 아래와 같습니다. $$ R(T_i) = \sum_{j=1}^C p(j|T_i)L(..
📌 Classification tree 기본적인 tree에 대해서는 아래 포스팅을 확인해주세요. 아래 내용과 이어서 설명할 것입니다. CART 1. 회귀나무(Regression tree)[재귀적 이진 분할 알고리즘] — 데이터 노트 📝 CART 1. 회귀나무(Regression tree)[재귀적 이진 분할 알고리즘] 📌 Regression Trees ML에 있어서 우리는 데이터를 사용하여 모델을 훈련시킵니다. 이 모델을 사용하여 새로운 데이터에 대한 예측을 하려하죠. 이때 예측하려는 데이터의 공간을 작은 부분들로 나 datanovice.tistory.com 기본적으로 회귀와 다르게 $Y$가 Categorical일 때 쓰는 '분류'입니다. 위 포스팅의 regression tree와 비슷한 맥락입니다. 차이..
📌 Regression Trees ML에 있어서 우리는 데이터를 사용하여 모델을 훈련시킵니다. 이 모델을 사용하여 새로운 데이터에 대한 예측을 하려하죠. 이때 예측하려는 데이터의 공간을 작은 부분들로 나누어 예측합니다. ${R_1, ..., R_k}$를 예측변수 공간 $\chi = {(x_1,...,x_p)}$의 파티션이라고 한다면, 아래와 같은 공간 함수를 고려합니다. $$ f(\textbf{x}) = \sum_{j=1}^K \beta_j I(\textbf{x} \in R_j) $$ 여기서 $I(\textbf{x} \in R_j)$는 $\textbf{x}$가 공간 $R_j$에 속하는지 여부를 나타내는 함수 입니다. 문제는 어떻게 공간 $R_j$와 계수 $\beta_j$를 알 수 있는가 입니다. 이때 재..
📌 비교 연산자 1 # ~ 보다 크다 # [1] TRUE 10 >= 1 # ~ 보다 크거나 같다 # [1] TRUE 10 < 1 # ~보다 작다 # [1] FALSE 10
기본 변수 할당 x x [1] 1 3 2 5 '
📌 matrix() : 매트릭스 생성 함수입니다. 기본적으로 matrix(데이터, 행의 수, 열의 수)로 구성합니다 x
