CMS_419 CMS_419

정답이 없는 데이터를 분류할 수 있게 학습하는 방법입니다. 군집화 개념 유사한 속성들을 갖는 관측치들을 묶어 전체 데이터를 몇 개의 군집으로 나누는 것 기준 동일한 군집에 소속된 관측치들을 서로 유사할 수 록 좋다 상이한 군집에 소속된 관측치들은 서로 다를 수 록 좋다. 수행 시 주요 고려사항 어떤 거리 척도를 사용하여 유사도를 츨정할 것인가 어떤 군집화 알고리즘을 사용할 것인가 어떻게 최적의 군집 수를 결정할 것인가 어떻게 군집화 결과를 측정 평가할 것인가 유사도 척도 유클리디안 거리 (Euclidean) 맨하탄 거리 (Manhattan) 마할라노비스 거리 (Mahalanobis Distance) 상관계수 거리 (Correlation) 알고리즘 군집화 알고리즘 종류 계측적 군집화 개체들을 가까운 집단부..

2d 선, 3d 면으로 얘기 할 수 있다. 곡선과 곡면 Curve의 3가지 형태 양함수식 y = f(x) = mx + b 하나의 값만이 가지고 있다. 하지만, 여러가지의 값을 표현할 수 는 없다. 특성 유지가 안된다. 무한의 기울기는 표현하기 어렵다 음함수식 Ax + By + C = 0 반원은 표현할 수 없다. 두개의 커브를 연결하기가 어렵다. 이 두가지 방식의 문제점을 해결하기 위해 매계변수식을 사용한다. 매계변수식 x = x(t), y = y(t), z = z(t) 양함수, 음함수 식의 문제를 해결했다. 기울기를 tan 벡타를 사용한다. 무한한 기울기를 표현할 수 없다. 근사치를 구한다. Curves의 3가지 타입 Hermite 두 끝점과 끝점은 tangent vector로 되어있다. 점의 기울기가 ..

멀티 프로세스 서버(fork)의 단점 성능이 점점 저하된다. 구현이 쉽지 않다. 프로세스 통신이 필요할 한 상황에서 서버 구현이 복잡하다. -> 그 대안으로 나온 것이 IO 멀티플렉싱이다. 멀티플렉싱 실전화기로 나타낸 것이다. 왼쪽은 하나의 리소스를 둘 이상의 영역에서 공유하는 것을 가리키는 것을 멀티 플렉싱이라고 한다. Select 함수의 기능과 호출 순서 fd_set 자료형 데이터 조작함수 FD_ZERO(fd_set *fdset) *fdset의 모든 비트를 0으로 FD_SET(int fd, fd_set *fdset) *fdset 중 소켓 fd에 해당하는 비트를 1로 FD_CLR(int fd, fd_set *fdset) *fdset 중 소켓 fd에 해당하는 비트를 0으로 FD_ISSET(int fd, ..

Modeling 표현, 획득, 조작, 분석 다양한 객체 표현을 위한 다양한 방법이 있다. 다양한 것인가? 획득 렌더링 조작 애니메이션 분석 3D 객체 표현의 선택은 알고리즘에 큰 영향을 미칠 수 있다. 데이터 구조가 알고리즘을 결정한다. Point Cloud 무수히 많은 3D점들을 찍은 것이다. Range Image 이미지의 깊이를 픽셀에 메핑해서, 3D포인트를 놓는다. Point Sample Rendering 일반적인 순서이다. 색상, 깊이 및 정상 정보를 포함하는 밀도 높은 표면 점 샘플 세트로 구성된 객체 표현 Polygon Soup 구조화되지 않은 폴리곤 집합 많은 폴리곤 모델은 폴리곤의 목록일 뿐입니다. 각 삼각형에 대해 세 개의 좌표만 저장합니다. 연결에 대한 정보 없음 장점 : 아주 간단하다..

결정 트리 어떤 항목에 대한 데이터와 결과를 연결시켜주는 예측 모델 예측 모델은 로지스틱 회귀로 설명할 수 있다. 하지만, 잘모르는 사람에게 설명하기를 어렵다. 그래서 나온 것이 결정 트리이다. 하지만, 이렇게 나오면, 판단하기 힘들다. 결정 트리 분석 트리의 깊이를 제안해서 표현할 수 있다. 지니 불순도 집합에 이질적인 것이 얼마나 섞였는지를 측정하는 지표이다. 0.5가 제일 큰 값이다. 0이 되면, 그 지니는 불순물이 없는, 순수하다고 할 수 있다. 스케일 조정 스케일을 조정 하든, 안하든 똑같은 결과를 보여준다. 검증 세트 과대적합 모델을 될 가능성을 줄여준다. 검증 세트로 모델을 평가해서, 이 검증세트 중에서 가장 우수한 결과를 보이는 모델을 선택한다. 교차 검증 쉽게 말하면, 한정된 테스트 세트..

지도 학습 모수(parameter) : 데이터를 사용하여 추정(계산)하는 파라미터이다. 초모수(hyperparameter) : 모형에서 추정 모수 이외에 분석자가 지정하거나, 최적값을 찾아 주어야 하는 다른 모든 모수 지도 학습의 유형 분류(classification) : 타겟이 범주형 회귀(regression) : 타겟이 연속형, 값(수치)을 예측 데이터 분할(partition) 학습은 일반화를 목적으로 한다. 데이터 분할 주로 훈련, 테스트 데이터만 이용한다. 훈련 데이터 : 훈련 오차를 최소화, 모형의 모수를 추정한다. 검증 데이터 : 이 데이터가 충분하지 않은 경우 교차검증을 사용하여 최적 초모수를 선택한다. 테스트 데이터 : 훈련 혹은 검증 데이터와 독립적으로 따로 떼어놓은(hold-out) 데..

rendering 3D 표현 과정 3차원 환경 표현 3차원 보는 사람 표현 보이는 물체 결정 조명 시물레이션 Intensity (빛의세기) 3D Scene 표현 점 선 다각형 다면체 곡면 내부가 꽉 찬 모델 3D 점 간단하다 위치 값을 알 수 있다. 3D 벡터 방향 과 크기를 가지고 있다. 위치값을 알 수 가 없다. 내적 Scalar Procduct Innter product (Scalar Procduct) 내적을 구할 수 있습니다. cos 법칙을 이용해서 각도를 알 수 있다. 내적의 특징 내적을 이용해서 다른 벡터를 알 수 있다. 내적의 값으로 내적의 각도를 알 수 있다. 외적 Cross(=Vector) product 외적은 두 벡터의 수직인 벡터를 알 수 있다. v1과 v2의 순서를 바꾸면 안된다. ..

오브젝트를 변환 물체들은 자신만의 좌표계를 가지고 있다. 한 씬에 여러개의 물체를 사용할 수 있다. Basic 2D 변환 Translation 좌표이동 x’ = x + tx y’ = y + ty Scale 크기변환 x’ = x * sx y’ = y * sy Shear 찌그리기 x’ = x + hx * y y’ = y + hy * x Rotation 회전 x’ = x * cosθ - y * sinθ y’ = x * sinθ + y * cosθ 행렬 표현 2 x 2 행렬 표현 2D 2D의 스케일 값(0,0을 기준) 2D의 회전값(0,0을 기준) 2D의 Shear 값 2D Mirror Y축 반전 2D Mirror (0,0) 반전 2D 이동 없다. 왜냐하면 2x2에서 이동은 표현이 안되고, 덧셈 밖에 표현이 안..