전체 글 99

2. Why Bitcoin?

1. 비트코인은 무엇인가?  ▶ 자산 : (정의) 경제적 가치가 있는 유형/무형의 재산 ⇒ 비트코인의 자산은 0의 가치  ▶ 화폐 : (정의) 상품 교환 가치의 척도가 되며 그것을 교환을 매개하는 일반화된 수단 ⇒ 비트코인은 전세계에서 가장 우수한 화폐  ▶돈 : (정의)  사물의 가치를 나타내며, 상품의 교환을 매개하고, 재산 축적의 대상으로도 사용하는 물건  ▶현금 : (정의) 정부나 중앙은행에서 발행하는 지폐나 주화를 유가 증권과 구별하여 이르는 말 ▷ 화폐의 변천 : 원시화폐 ⇒ 금속화폐 ⇒ 종이화폐 ⇒ 디지털화폐▷ 금 보관증 ⇒ 1944년 브레튼우즈 협정(금/달러 교환증) ⇒ 1971년 닉슨쇼크(금/달러 교환 파기) ⇒ 달러의 법정화폐 지정▷ 미국 정부의 부채는 지속적으로 증가 > 미국 정부의 ..

1. 블록체인 응용 서비스

1. 강의에 다룰 내용◎ 블록체인 근원기술의 기초◎ 블록체인의 응용 서비스◎ 비트코인과 화폐이론 2. 금융위기와 비트코인의 탄생▷ 획기적 주택 담보 대출 시스템   ▶ 배경 :       - 이민자의 아메리칸 드림      - 부시 대통령의 내집마련 '소유자 사회' 아이디어 제안 > 프라임 대출 시장은 이미 포화 상태 > 서브프라임 시장 타겟      - 저금리와 주택경기 부양책 실시, 주로 이민자들을 대상으로 함   ▶ 대출 상환 :      - 보증금 없이 주택담보 대출이 가능한 규정 자율화      - 신용도 조사 없이 50만 달러 대출 가능해짐, 23명의 사망자도 대출을 받음      - NINJA 대출 : No Income, No Job or Asset   ▶ 파생상품들 :      - 모기지 ..

1. 기계학습에 필요한 선형 대수

Ⅰ. 백터> Scalar(스칼라) : 숫자 하나> Vector(벡터) : 숫자들의 모임> Matrix(행렬) : 벡터들의 모임> Tensor(텐서) : 행렬들의 모임, Array(배열)(1) Vector(벡터)> 벡터는 크기와 방향을 가진다.> 서로 같은 벡터라 함은 '크기'와 '방향' 둘다 같은 벡터임을 의미> 샘플을 특징 벡터로(feature vector) 표현(2) Matrix(행렬)> 여러 개의 벡터를 담음> 훈련집합을 담은 행렬을 설계행렬(design matirx)이라 부름(3) Tensor(텐서)> 3차원 이상의 구조를 가진 숫자 배열> 모든 차원을 포괄하는 표현> 스칼라는 0차원 텐서, 벡터는 1차원 텐서, 행렬은 2차원 텐서(4) 벡터의 곱> a와 b의 곱 : a'b = b'a(=a.b),..

[핸즈온 머신러닝] Chapter 8. 차원 축소

8장 차원 축소¶많은 특성으로 훈련을 느리게 할 뿐만 아니라, 좋은 솔루션을 찾기 어렵게 만드는 문제를 차원의 저주(curse of dimensionality)라고 합니다.차원을 축소시키면 일부 정보가 유실되며 시스템의 성능도 나빠질 수 있습니다. 하지만, 훈련 속도는 빨라지며 불필요한 세부사항을 걸려내므로 성능을 높일 수도 있습니다.8.1 차원의 저주¶단위 면적에서 임의 두 점을 선택하면 두 점 사이의 거리는 평균적으로 대략 0.52, 3차원 큐브에서는 평균 거리는 대략 0.66, 1,000,000차원에서는 평균 거리는 약 408.25입니다. 즉, 고차원 데이터셋은 매우 희박할 위험이 있습니다.결론적으로 훈련 세트의 차원이 클수록 과대적합 위험이 커집니다.차원의 저주를 해결하기 해결책은 이론적으로 훈련..

[핸즈온 머신러닝] Chapter 7. 앙상블 학습과 랜덤 포레스트

7장 앙상블 학습과 랜덤 포레스트¶ 결정 트리의 앙상블을 랜덤 포레스트(random forest) 7.1 투표 기반 분류기¶ 다수결 투표로 정해지는 분류기를 직접 투표(hard voting) 분류기라고 정의 앙상블 방법은 예측기가 가능한 한 서로 독립적일 때 최고의 성능을 발휘함 In [1]: from sklearn.model_selection import train_test_split from sklearn.datasets import make_moons X, y = make_moons(n_samples=500, noise=0.30, random_state=42) X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42) In ..

[핸즈온 머신러닝] Chapter 6. 결정 트리

6장 결정 트리¶ 결정 트리(decision tree)는 분류와 회귀 작업 그리고 다중출력 작업도 가능한 다재다능한 머신러닝 알고리즘 복잡한 데이터셋도 학습할 수 있는 강력한 알고리즘, 랜덤 포레스트의 기본 구성 요소 6.1 결정 트리 학습과 시각화¶6.2 예측하기¶ 결정 트리의 여러 장점 중 하나는 데이터 전처리가 거의 필요하지 않음, 특성의 스케일을 맞추거나 평균을 원점에 맞추는 작업이 필요하지 않음 결정 트리는 직관적이고 결정 방식을 이해하기 쉬운 하이트박스 모델 / 랜덤 포레스트나 신경망은 블랙박스 모델 6.3 클래스 확률 추정¶ 결정 트리는 한 샘플이 특정 클래스 k에 속할 확률을 추정해 줌 6.4 CART 훈련 알고리즘¶ 사이킷런은 결정 트리를 훈련시키기 위해 CART(classificatio..