패턴 인식에서 높은 성능을 보여주는 통계적 기법 중 하나이다. 같은 클래스의 데이터에 존재하는 변화 정보(Within Class)와 다른 클래스의 데이터 간의 변화 정보(Between Class)를 이용하여 각각의 데이터들이 자신의 정보를 잘 나타낼 수 있는 판별식을 만드는 방식이다. 이 방법은 각각의 패턴이 가장 잘
알고리즘을 일반적으로 말하면 어떤 일을 해결하기 위한 아이디어를 생각해 내는 것을 말한다. 예를 들면 다음과 같다. 어떤 사람이 운동회를 개최하려고 한다. 그런데 비가오면 실내에서 농구를 하고, 비가 안오면 밖에서 축구를 하려고 한다. 이것을 알고리즘으로 나타내면입력: 날씨 날씨가 맑은가?
추출법, 메트로폴리스-헤이스팅스 알고리듬, 해밀턴 몬테 카를로 등이 대표적인 MCMC 기법이다.
단순한 모델의 경우 R의 기본적인 함수(lm, glm 등)를 사용하여 매개변수를 추정할 수 있고, 복잡한 모델의 경우에도 기존 R 패키지를 사용하면 문제를 해결할 수 있는 경우도 있다. 그러나 패키지와 함수별
추출법, 메트로폴리스-헤이스팅스 알고리듬, 해밀턴 몬테 카를로 등이 대표적인 MCMC 기법이다.
단순한 모델의 경우 R의 기본적인 함수(lm, glm 등)를 사용하여 매개변수를 추정할 수 있고, 복잡한 모델의 경우에도 기존 R 패키지를 사용하면 문제를 해결할 수 있는 경우도 있다. 그러나 패키지와 함수