pattern regonition
생성 모델의 관점에서 클래스 조건부 밀도가 특정 분포일 때 이를 바탕으로 MLE 및 베이즈 정리 적용을 통한 사후 확률 계산 - 가정한 함수 형태가 정규분포라는 거야!!! 정규 분포의 모양을 결정하는 것이 평균과 공분산이고!
명징직조지훈
2025. 5. 23. 14:24
- 클래스 조건부 밀도를 특정 분포로 가정
- MLE 로 그 분포의 파라미터를 추정
- MLE 또는 상대 빈도로 사전확률 추정
- 베이즈 정리를 통해 사후확률 계싼
🎯 이 방법의 본질
- 모델링한 것은 likelihood P(x∣Ck)
- 가정한 함수 형태는 Gaussian(정규분포)
- 결국 계산한 것은 사후 확률 P(Ck∣x)
확률 표현, 분포는 두 개의 파라미터 ( 평균과 공분산 ) 에 의해 결정된다.
✅ 이 접근의 장점
- 분포 가정을 하므로 데이터가 적을 때 강력한 일반화 가능
- 밀도 자체를 모델링하기 때문에 샘플 생성, 결측치 보완 등에 활용 가능