Overview N개의 측정이 주어졌을 때, 확률밀도함수를 찾는 것이 density estimation이다. Parametric distribution을 나타내는 방법은 변수에 따라 달라진다. 이산확률변수이면 binomial, multinomial로 나타낸다. 연속확률변수는 Gaussian, Dirichlet(베이즈 통계학)으로 나타낸다. Binary Variable Distribution 이산확률변수 중 베르누이 분포는 다음과 같이 나타낼 수 있다. 데이터를 베르누이 분포에 맞추기 위해서는 MLE(Maximum likelihood estimation)을 이용해서 다음과 같이 표현 가능하다. mAP(mean Average Precision)를 사용하려면 prior 분포를 알아야 한다. prior를 알기 ..

from elice_utils import EliceUtils import numpy as np from generate import generate_data import matplotlib.pyplot as plt elice_utils = EliceUtils() def plt_show(): plt.savefig("fig") elice_utils.send_image("fig.png") def gaussian_pdf(x, mu, sigma): #TODO pdf = 1 / np.sqrt(2 * np.pi * sigma ** 2) * np.exp(-((x - mu) ** 2) / (2 * sigma ** 2)) return pdf def estimate_robot_position(landmarks, noisy..

Quiz 2 import numpy as np import matplotlib.pyplot as plt from elice_utils import EliceUtils elice_utils = EliceUtils() def plt_show(): plt.savefig("fig") elice_utils.send_image("fig.png") def do_fft(): # (a) generate Fs = 100 # sampling frequency 100Hz t = np.arange(0, 2+1/Fs, 1/Fs) # signal duration 0~2 seconds w0 = 5 # dominant frequency in the signal x = np.sin(2*np.pi*w0*t) # x(t)=sin(2pi w..

Quiz 1 from elice_utils import EliceUtils import numpy as np from numpy import array from scipy.linalg import svd elice_utils = EliceUtils() def main(): M=array([[1,0,0,0,2],[0,0,3,0,0],[0,0,0,0,0],[0,4,0,0,0]]) # Task 1: Compute SVD '''svd 관련 설명은 https://docs.scipy.org/doc/scipy/reference/generated/scipy.linalg.svd.html''' U, S, VT = svd(M) # Task 2: Print out the shapes of these SVDs print(U.s..