반응형
Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- 사이드프로젝트
- coding
- pandas
- 데이터분석
- 머신러닝
- redux
- 앱개발
- 조코딩
- python
- 강화학습 기초
- 정치인
- 클론코딩
- ReactNative
- App
- selenium
- React
- JavaScript
- Instagrame clone
- 크롤링
- expo
- clone coding
- 강화학습
- FirebaseV9
- 카트폴
- 리액트네이티브
- 딥러닝
- 전국국밥
- Ros
- kaggle
- TeachagleMachine
Archives
- Today
- Total
목록확률분포모델 (1)
qcoding
[전력데이터 클러스터링]전력데이터 시간별 클러스터링_GMM
* 본 실습에서는 시간대별 일정한 패턴을 보이는 전력 데이터를 몇 개의 클러스터로 분류하는 실습이다. GMM(Gaussian Mixture Model)은 이 모델은 데이터 집합이 여러 개의 가우시안 분포로부터 생성된다고 가정하는 확률적 생성 모델로 데이터의 분포를 여러 개의 가우시안 분포를 합쳐서 모델링하는 것으로 GMM은 분포가 복잡하거나 다중 모드를 가지는 데이터를 모델링하는 데 특히 유용하다. 예를 들어, 이미지나 음성 등 복잡한 데이터를 분석하고 처리하는 데 많이 사용된다. GMM은 EM (Expectation-Maximization) 알고리즘을 사용하여 모델링되며, 일반적으로 최적의 모델링 결과를 얻기 위해 여러 번의 EM 반복이 필요하다. 정리하면, GMM 모델을 사용하면 데이터가 어디에서 왔..
시계열분석_python
2023. 4. 21. 17:25