User Tools

Site Tools


estimated_standard_deviation:rout02

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Next revision
Previous revision
estimated_standard_deviation:rout02 [2026/03/10 05:28] – created hkimscilestimated_standard_deviation:rout02 [2026/03/17 22:51] (current) hkimscil
Line 1: Line 1:
 <WRAP group> <WRAP group>
-<WRAP half column>+<WRAP column 55%> 
 +<code> 
 +> rm(list=ls()) 
 +>  
 +> rnorm2 <- function(n,mean,sd){  
 ++     mean+sd*scale(rnorm(n))  
 ++ } 
 +>  
 +> # set.seed(191) 
 +> nx <- 1000 
 +> mx <- 50 
 +> sdx <- mx * 0.1 
 +> sdx  # 5 
 +[1] 5 
 +> x <- rnorm2(nx, mx, sdx) 
 +> # x <- rnorm2(1000, 50, 5) 와 동일 
 +>  
 +> mean(x) 
 +[1] 50 
 +> sd(x) 
 +[1] 5 
 +> length(x) 
 +[1] 1000 
 +> hist(x) 
 +>  
 +</code> 
 +</WRAP> 
 +<WRAP column 35%> 
 +</WRAP> 
 +<WRAP group> 
 +<WRAP column 55%>
 <code> <code>
 > # the above no gradient > # the above no gradient
Line 42: Line 72:
 </WRAP> </WRAP>
  
-<WRAP half column>+<WRAP column 35%>
 comment comment
 이 R script의 목적은 v값이 최소값이 되는 지점을 자동적으로 찾아보려는 것이다. 이것을 위해서 우선 v값으로 사용할 첫 점수를 랜덤하게 구한 후 (아래 그래프에서 빨간색 지점), 자동적으로 그 다음 v 점수를 찾고 (녹색지점), 그 다음 v 점수를 찾고 (황금색 지점), . . . 이런 과정을 계속하면서 각 v 점수에서의 msr값을 구해서 이에 해당하는 v값을 찾아 보려고 한다. 빨간색, 녹색, 황금색, . . . 이를 자동적으로 구하기 위해서 두가지 방법을 사용하는데 그 것이 이 R script의 목적은 v값이 최소값이 되는 지점을 자동적으로 찾아보려는 것이다. 이것을 위해서 우선 v값으로 사용할 첫 점수를 랜덤하게 구한 후 (아래 그래프에서 빨간색 지점), 자동적으로 그 다음 v 점수를 찾고 (녹색지점), 그 다음 v 점수를 찾고 (황금색 지점), . . . 이런 과정을 계속하면서 각 v 점수에서의 msr값을 구해서 이에 해당하는 v값을 찾아 보려고 한다. 빨간색, 녹색, 황금색, . . . 이를 자동적으로 구하기 위해서 두가지 방법을 사용하는데 그 것이
Line 55: Line 85:
  
 <WRAP group> <WRAP group>
-<WRAP half column>+<WRAP column 55%>
 <code> <code>
 > zx <- (x-mean(x))/sd(x) > zx <- (x-mean(x))/sd(x)
Line 77: Line 107:
 </code> </code>
 </WRAP> </WRAP>
-<WRAP half column>+<WRAP column 35%>
 comment comment
   * 랜덤하게 v값을 찾음 ''v <- rnorm(1)''    * 랜덤하게 v값을 찾음 ''v <- rnorm(1)'' 
Line 91: Line 121:
  
 <WRAP group> <WRAP group>
-<WRAP half column>+<WRAP column 55%>
 <code> <code>
 > # Train the model with scaled features > # Train the model with scaled features
Line 98: Line 128:
 </code> </code>
 </WRAP> </WRAP>
-<WRAP half column>+<WRAP column 35%>
 comment comment
   * 이 0.1은 gradient function으로 구한 해당 v값에 대한 y 미분값을 (기울기 값을) 구한 후, 여기에 곱하기 위해서 지정한다.   * 이 0.1은 gradient function으로 구한 해당 v값에 대한 y 미분값을 (기울기 값을) 구한 후, 여기에 곱하기 위해서 지정한다.
Line 107: Line 137:
  
 <WRAP group> <WRAP group>
-<WRAP half column>+<WRAP column 55%>
 <code> <code>
 > msrs <- c() > msrs <- c()
Line 114: Line 144:
 > nlen <- 75 > nlen <- 75
 > for (epoch in 1:nlen) { > for (epoch in 1:nlen) {
-+     residual <- residuals(zx, v)++     residual <- residuals(zx, v)
 +     msr.x <- msr(zx, v) +     msr.x <- msr(zx, v)
 +     msrs <- append(msrs, msr.x) +     msrs <- append(msrs, msr.x)
Line 134: Line 164:
 </code> </code>
 </WRAP> </WRAP>
-<WRAP half column>+<WRAP column 35%>
 comment comment
   * nlen는 그냥 자의적으로 지정한다. 여기서는 75로 했다.   * nlen는 그냥 자의적으로 지정한다. 여기서는 75로 했다.
Line 156: Line 186:
  
 <WRAP group> <WRAP group>
-<WRAP half column>+<WRAP column 55%>
 <code> <code>
 > # scaled > # scaled
Line 195: Line 225:
 </code> </code>
 </WRAP> </WRAP>
-<WRAP half column>+<WRAP column 35%>
 comment comment
 {{:pasted:20250905-231742.png}} {{:pasted:20250905-231742.png}}
estimated_standard_deviation/rout02.1773120538.txt.gz · Last modified: by hkimscil

Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki