학습 자료

• Bayesian Theory
  • Machine Learning을 이해하는 데에 대단히 중요합니다. ML은 주어진 데이터 셋에서, 가설을 지속적으로 업데이트 해가며 최적의 모델을 구상합니다. Bayesian Theory 역시, 주어진 정보를 갱신해 나가면서 최적의 사후확률을 계산하기에 일맥상통하는 면이 있습니다.
  • https://youtu.be/Y4ecU7NkiEI
• 강의 영상
  • https://youtu.be/_YM7zq2fWUA

핵심 키워드

• 사전 확률과 사후 확률
• Bayesian Theory
• 조건부 확률
• 베이지안 추측의 사용 예시

Reference

Naive Bayes Classification 에 대해 알아봅시다.

아래의 영상은 warm-up에서 초콜릿 예시를 통한 Bayesian 설명과 이어지는 설명입니다.

Naive Bayes Classification(나이브 베이즈 분류)는, 사건 B가 주어졌을 때 사건 A가 일어날 확률인 P(A|B), 조건부 확률과 베이즈 정리를 이용한 모델입니다. 영상 속에서는 넷플릭스의 영화 추천 알고리즘에 적용된 Naive Bayes Classification를 설명하고 있습니다.

오늘 학습한 Bayesian의 개념을 떠올리며, 해당 개념이 ML에서 어떻게 이어질 수 있는지 영상을 통해 확인해보겠습니다.

https://youtu.be/me--WQKQQAo