[Day4] AI math 6. 확률론 맛보기 : 확률분포, 확률변수, 결합분포, 주변확률분포, 조건부 확률분포, 조건부 확률, 기대값, 몬테카를로 샘플링
기계학습과 딥러닝은 확률론을 기반으로 해서 이해하려면 확률론을 알아야 한다. 예를 들어, 학습시 필요한 loss fuction (손실함수)는 데이터공간을 통계적으로 유도하기 때문에 중요하다. 확률분포 데이터를 표현하는 초상화 확률분포를 한 번에 구하기는 불가능하다. 그래서 기계학습 모형으로 이 확률분포를 추론하게 된다. 추론하는 데이터 공간을 $\mathscr{X} \times \mathscr{Y}$ 로 표기한다. 확률변수 우리가 관측하는 실제 데이터는 확률변수로 표기한다. 확률변수 $(\textbf{x},y) $ 는 $\mathscr{X} \times \mathscr{Y}$의 원소이다 $$ (\textbf{x},y) \in \mathscr{X} \times \mathscr{Y}$$ 확률변수는 함수로 생..
