Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | |||||
| 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| 10 | 11 | 12 | 13 | 14 | 15 | 16 |
| 17 | 18 | 19 | 20 | 21 | 22 | 23 |
| 24 | 25 | 26 | 27 | 28 | 29 | 30 |
| 31 |
Tags
- 핀볼 로스
- 스펙트럴 클러스터링
- 이항관계
- k-최근접 이웃
- 수입 극대화
- 분위수 회귀
- Curse of dimensionality
- 부분 순서
- 소득승수
- quantile regression
- 차원의 저주
- 한계 수입
- spectral clustering
- pinball loss
- Machine Learning
- 정규화 라플라시안 행렬
- 수요의 가격탄력성
- 케인즈의 십자가
- distance concentration
- 동치 관계
- 전순서
- laplacian matrix
- 거리 집중
- 지시함수
- 동치류
- 총 수요 곡선
- normalized laplacian matrix
- 미시경제학
- 독점 기업의 수입 극대화
- 라플라시안 행렬
Archives
- Today
- Total
목록기계학습/손실 함수(Loss function) (1)
데이터 낚시꾼
핀볼 로스(Pinball Loss), 분위수 회귀(Quantile Regression)
요약 평균 예측에 머무르지 않고, 데이터 분포의 다양한 위치를 포착하는 분위수 예측(Quantile Regression) 필요핀볼 로스: 특히 이상치에 강건하고, 리스크와 불확실성의 정량화에 용이핀볼 로스 및 분위수 회귀분석을 통해 예측값의 신뢰 구간을 추정하거나 리스크 중심 모델링 설계 가능 분위수 회귀(Quantile Regression): 주어진 $X$에 대해 조건부 분위수 $q_\tau(Y|X)$ 를 예측예: $\tau = 0.1$이면 10% 분위수 → 하위 10% 경계 예측, $\tau = 0.5$이면 중위수 (median) 등OLS(Ordinary Least Squares) 회귀와 비교 시 분위수 회귀의 장점: 비대칭 분포에 유연, 예측 불확실성 구간 도출 가능손실 함수(Loss funct..
기계학습/손실 함수(Loss function)
2025. 5. 16. 11:01