스케일링 (2) 썸네일형 리스트형 [통계] Day 5-1 시계열 데이터의 정규화 1. 정규화 변환의 필요성 - 데이터 스케일 조정의 중요성: 다양한 변수의 값 범위를 조정하여 모델이 각 변수에 공정하게 영향을 받도록 함. - 정규 분포 가정과 그 효과: 정규 분포를 따르는 데이터로 변환하여 통계적 분석을 용이하게 함. - 이상치 처리와의 관련성: 이상치가 정규화에 영향을 줄 수 있으며, 변환 후 이상치의 영향을 줄이기 위해 사용. - 시계열 패턴 강조와 모델 안정성: 시계열 패턴을 더 잘 드러나게 하며 모델의 안정성과 예측 성능 향상을 도모. 2. 주요 정규화 변환 방법 - 최소-최대 정규화 $($Min-Max Normalization$)$: 데이터 값을 최소값과 최대값 사이의 범위로 변환, 이상치에 민감하지 않은 경우 사용. $X_{\text{new}} = \frac{X - X_{.. [선형대수학] 선형대수와 머신 러닝 4 [이미지 처리와 컴퓨터 비전] 이미지 처리와 컴퓨터 비전은 선형대수학을 핵심적으로 활용하는 분야 중 하나입니다. 이미지는 픽셀로 이루어진 행렬로 표현되며, 이러한 이미지를 회전, 스케일링, 이동 등의 변환을 적용하여 다양한 처리와 분석을 수행합니다. 이번 포스팅에서는 이미지 처리와 컴퓨터 비전에서의 선형대수학의 역할과 변환 행렬을 이용한 이미지 처리에 대해 자세히 알아보겠습니다. 1. 이미지 처리와 선형대수학: 이미지 처리는 디지털 이미지를 효과적으로 처리하고 분석하는 기술을 의미합니다. 컴퓨터 비전은 이미지 처리의 한 분야로서, 컴퓨터를 이용하여 이미지를 해석하고 이해하는 기술을 연구합니다. 이미지는 픽셀의 2차원 배열로 표현되며, 이러한 이미지를 처리하는 과정에서 선형대수학의 기본 개념과 변환 행렬이 사용됩니다. 2. 이미지 변환.. 이전 1 다음
