[머신러닝을 위한 통계지식]

1. 머신러닝을 하는데 통계가 필요한가요? 

- 데이터를 다룰 때 통계에서 주로 사용하는 가정을 사용합니다. 기본적으로 전체를 알지 못하는 상황에서 sampling된 데이터만을 보고 모델을 만들기 때문에 기본적으로 불확실성을 지닐 수 밖에 없기 때문이죠. 모델을 만드는 일은 parameter를 추정하는 일이라고 생각해볼 수 있습니다. 이 과정에서 데이터 분포 또는 모델에 대한 가정을 할 때 통계지식 필요하죠.

 

2. 확률분포에 어떤 것들이 있나요? 그리고 언제 사용할 수 있나요?

- uniform distribution, 정규분포, 베르누이 분포, 이항분포, 베타분포, 디리클레 분포 등이 있습니다. 데이터에 대한 정보를 전혀 모르는  상황에서는 정규분포로 가정하는 것이 좋습니다. 분류 문제는 주로 베르누이 분포로 가정합니다.

 

3. 우도(likelihood)란 무엇인가요?

- 데이터가 주어졌을 때 parameter가 변수인 어떤 값. 모델이 어떤 parameter를 따를 때