Mixture Density NeuralNetwork 예제

아시다시피 실제 데이터에는 잡음이 있다. 상당히 짜증스럽기는 하지만, 그러한 잡음은 데이터의 기원에 대한 더 넓은 시야를 제공하기 때문에 의미가 있다. 타겟 값은 인풋에 따라서 잡음의 정도가 다를 수 있기 때문이다. 그리고 그것은 데이터를 이해하는 데 있어서 주요한 영향을 끼친다. $$f(x)= x^2 -6x+9$$ 위와 같은 함수가 잇다고 하자. 위의 함수는 determinsitc output $f(x)$를 가진다. 그러나 실제 데이터에서는 잡음이 생길 수 있는데, 여기서는 x 가 커질수록 잡음이 더 증가한다고 하자 그러면 아래와 같은 그림을 가질 것이다 $$g(x) = f(x) + \epsilon(x)$$ import numpy as np import pandas as pd import seaborn..

2020.05.21